Senior Machine Learning Research Engineer / Applied Scientist (h/f)

◾️ Qui sommes-nous ?
Bienveillance, épanouissement et esprit de conquête sont les valeurs qui nous caractérisent !
Nous sommes riches d’hommes et de femmes qui forgent nos succès en grandissant avec nous. Nous investissons dans la formation pour vous apporter toujours plus de valeur et parce que nous croyons en vous. Nous savons aussi que votre envie insatiable de challenges repose sur notre capacité à développer vos connaissances et vos compétences.
Nos consultants sont à la fois acteurs de la mutation de nos clients et ambassadeurs de CITECH, une hybridation qui convient parfaitement à leur nature ouverte et collaborative.

Description du poste

Vous souhaitez travailler à la frontière entre recherche appliquée, Machine Learning et ingénierie logicielle ?

Nous recherchons un(e) Senior Machine Learning Research Engineer / Applied Scientist pour contribuer à l'évolution d'un framework agentique destiné à automatiser et fiabiliser des travaux de recherche et d'expérimentation en Machine Learning.

Vous travaillerez principalement sur deux problématiques : prévision de séries temporelles enrichie par des événements et détection prédictive de pannes à partir de données IoT.

🎯 Vos missions

• Concevoir des protocoles expérimentaux permettant d'évaluer rigoureusement différentes approches de Machine Learning.

• Développer et faire évoluer des composants dédiés au forecasting et aux données IoT.

• Modéliser l'influence d'événements externes sur des séries temporelles.

• Construire et comparer différents scénarios de prévision.

• Développer des approches de détection d'anomalies et de signaux précurseurs de panne.

• Explorer des méthodes supervisées, non supervisées, Deep Learning et analyse de survie.

• Garantir l'absence de fuite temporelle dans les expérimentations.

• Construire des baselines et réaliser des évaluations rétrospectives et études d'ablation.

• Mesurer la robustesse et la capacité de généralisation des modèles.

• Développer un code Python robuste, testé, documenté et facilement intégrable.

• Assurer la reproductibilité et la traçabilité des expérimentations.

• Présenter les résultats et recommandations aux équipes techniques et métier.

• Accompagner le transfert de connaissances vers les équipes internes.

• 
  

🛠️ Environnement technique

Les technologies et domaines explicitement présents dans le besoin sont :

• Python

• Machine Learning

• Deep Learning

• Time Series / séries temporelles

• Anomaly Detection

• Predictive Maintenance

• Survival Analysis

• Architectures agentiques / Multi-Agent Systems

• Dataiku

• MLOps

• Cloud

• IoT

Profil

🎓 Vous êtes diplômé(e) d'un Bac+5 en informatique, mathématiques appliquées, Data Science ou domaine connexe. Un doctorat constitue un atout important.

💼 Vous disposez idéalement d'au moins 7 ans d'expérience pertinente, avec une expérience significative en recherche appliquée en Machine Learning.

Vous maîtrisez particulièrement :

• Python et au moins un framework majeur de ML ou Deep Learning ;

• la modélisation et l'évaluation de séries temporelles ;

• la détection d'anomalies ;

• les problématiques de maintenance prédictive ;

• la conception de protocoles expérimentaux ;

• les méthodes de validation temporelle ;

• le développement de code robuste, testé et documenté.

Une expérience des systèmes agentiques ou multi-agents appliqués au Machine Learning sera particulièrement appréciée.

Une connaissance de Dataiku, du MLOps, du Cloud ou une expérience de publication scientifique / transfert technologique constituera également un plus.

Vous savez enfin vulgariser et présenter des problématiques scientifiques complexes auprès d'interlocuteurs techniques comme métier.

⭐ Les + du poste

✔ Un sujet à forte dimension R&D / recherche appliquée
✔ Des problématiques avancées de Machine Learning et Deep Learning
✔ Des travaux sur les séries temporelles et l'IoT
✔ Une dimension IA agentique / multi-agents
✔ Un équilibre entre recherche, expérimentation et développement
✔ Des enjeux concrets de maintenance prédictive
✔ Une forte exigence scientifique autour de la reproductibilité des résultats
✔ Un transfert direct des travaux vers les équipes internes