Conseiller ICT – Data Scientist – ML Engineer
Police Fédérale – Direction Générale Judiciaire

Environnement de travail

La Police Judiciaire Fédérale est une police spécialisée, principalement chargée de la lutte contre la criminalité organisée, sous toutes ses formes. Elle constitue l’une des trois directions générales de la police fédérale et concentre les dossiers d’enquêtes relatifs à des domaines tels que la cybercriminalité, le terrorisme, le grand banditisme, le trafic de drogue, et bien d’autres encore. Elle fournit un appui et une expertise à l’ensemble de la police intégrée, ainsi qu’à ses partenaires nationaux et internationaux.

Au sein de cette direction, se trouvent les ressources opérationnelles affectées aux opérations de police judiciaire, à la lutte contre la criminalité grave et organisée, aux unités spéciales, ainsi qu’aux opérations de police technique et scientifique.

Description de la fonction

En tant que data scientist, vous participerez directement à la conception et au développement des solutions en IA et Data Science destinées à répondre aux besoins opérationnels et tactiques de la police judiciaire. Vous serez responsable de l’élaboration des pipelines de machine learning, ainsi que de leur monitoring et de leur maintenance. Vous serez également responsable de la mise en production de modèles AI pour l’organisation avec des déploiements majoritairement on-premise. Vous veillerez à la mise en œuvre des meilleurs standards en programmation et en machine learning au sein de vos projets. Vous effectuerez une veille technologique afin de vous maintenir à jour par rapport aux dernières évolutions dans les domaines du MLOps et du machine learning.

Une attention pour l’aspect sécurité, éthique et légal est un plus apprécié.

Profil Recherché

Vous êtes titulaire d’un master ou d’un doctorat en informatique, AI ou équivalent et pouvez justifier d’un minimum de 3 ans d’expérience dans les domaines de la data science, MLOps et ML.

Vous disposez d’une expertise dans les domaines suivants :

• On-premise and cloud development : Expertise dans le développement et le déploiement de solutions IA on-premise et sur le cloud (Azure, AWS, GCP).
• 3+ années d’expériences dans l’industrie : Vous disposez de 3+ années d’expérience dans le monde du ML, MLOps et big data avec un focus sur le déploiement large-scale.
• Background théorique et expertise pratique : dans le domaine du ML et du deep learning.
• Database Paradigm (SQL & NoSQL) : Connaissances poussées en bases de données relationnelles et non relationnelles (SQL et NoSQL) notamment PostGres, Mysql, Milvus, Neo4J, …
• ML MLOps : Expérience démontrable dans le déploiement de modèles ML et expertise en MLOps.
• Focus big data : expérience dans l’exploitation de larges jeux de données structurées et non structurées.
• Containerisation et déploiement : Expérience avec Docker et Kubernetes ainsi qu’avec des outils d’orchestration comme Kubeflow. Maîtrise de pipelines ML (Kubeflow, MLflow, SageMaker, …)
• CI/CD pour ML : Maîtrise de l’implémentation de CI/CD pour les modèles ML et le code associé.
• Data Storage : Expérience avec différentes solutions pour le stockage de données (data lakes, data warehouse, object storage (S3))
• System architecture : Capacité à désigner un système ML end-to-end en tenant compte de contraintes de scalabilité, robustesse, maintenance et hardware.

Hard Skill

• Databases: MySQL, PostgreSQL, Neo4j, Milvus
• AI Framework: huggingface, mlflow, PyTorch, tensorflow, sklearn, OpenCV, vllm
• Programming Langages : Python (R est un plus)
• Orchestration et containerisation: Docker, Kubernetes, Kubeflow
• Software engineering : uv, ruff, black
• Cloud Platforms : Azure, AWS
• Versioning (code et modèles) : MlFlow, Git, Github, Gitlab

Langues

Connaissance des langues : Vous maitrisez au minimum l’anglais ainsi que l’une des deux langues nationales (NL/FR).

Soft Skills

• Capacité à fédérer : Savoir aligner des profils hétérogènes autour d’un objectif commun.
• Sens des priorités : Identifier les tâches critiques pour atteindre les objectifs, garder une vision à long terme pour anticiper les prochaines étapes, et réorganiser le travail en fonction des imprévus ou des éléments nouveaux qui se présentent au fil du projet.
• Communication claire et spontanée : Communiquer de manière fluide, transmettre le bon message, au bon moment et au bon niveau. Être capable d’expliquer des concepts techniques à des non-techniciens.
• Problem solving et réflexion analytique : Aborder les problèmes de manière structurée, identifier les causes profondes et proposer des solutions pragmatiques et efficaces. Être capable de prendre du recul pour évaluer plusieurs scénarios et choisir la solution la plus adaptée au contexte.
• Collaboration : Travailler de manière constructive avec l’ensemble des parties prenantes, favoriser les échanges et la co-construction des solutions. Être à l’écoute des besoins et des contraintes de chacun pour favoriser un climat de travail positif et productif.
• Sens du détail : Prêter attention aux aspects techniques, fonctionnels et organisationnels des projets. Veiller à la qualité du code, à la robustesse des modèles, à la conformité des livrables et au respect des standards de l’organisation.
• Rigueur : Appliquer systématiquement les bonnes pratiques et méthodologies, documenter les travaux de manière précise, et assurer un suivi constant de l’avancement des projets dans le respect des échéances et des exigences de qualité.