Contexte & objectif du rôle :

L'équipe Data mining recherche un profil senior pour remplir une double mission :

• Accélérer les initiatives stratégiques data via une expertise de contenu, une direction technique et du coaching.
• Maîtriser le flux continu de demandes ad hoc en data par la supervision, la priorisation, l’agrégation et la traduction vers des solutions ou data products réutilisables.

Le rôle apporte de la séniorité, de la structure et de la profondeur technique au sein de l’équipe Data mining, tout en soutenant le fonctionnement et le suivi, en collaboration notamment avec le responsable d’équipe et d’autres parties prenantes.

Responsabilités principales :

1) Projets stratégiques & leadership technique

• Prendre le lead technique sur des projets data complexes (ex : advanced analytics, graph/network analytics, intégrations, choix architecturaux).
• Contribuer à définir l’approche, la solution et les priorités des initiatives majeures, avec un regard sur la faisabilité, l’impact et la scalabilité.
• Garantir et promouvoir les standards de qualité, y compris la reproductibilité, la documentation, la méthodologie et, là où c’est pertinent, la qualité engineering.

2) Uplift d’équipe & co-création (au sein du Data mining)

• Coacher et accompagner les data scientists et analystes via la co-création, des revues de contenu et le partage des best practices.
• Contribuer structurellement à l’élévation des compétences de l’équipe (méthodologie, approche, qualité, communication).
• Jouer un rôle actif dans l’élaboration des accords d’équipe, tels que la definition of done, les modes de travail et le partage de connaissances.

3) Structurer et productiser le flux de demandes ad hoc

• Créer une vue d’ensemble sur les demandes entrantes : intake, découpage, priorisation, statut/communication.
• Regrouper le travail ad hoc et le transformer, quand possible, en solutions structurelles et réutilisables (datasets réutilisables, méthodes d’analyse, templates, data products).
• Appliquer les principes FAIR dans une optique de data product, avec un focus sur la réutilisabilité et la qualité.

4) Project management & suivi (Stretch)

• Assurer le suivi de base de la delivery/des projets (scope, jalons, dépendances, risques).
• Soutenir le responsable d’équipe dans le suivi et la coordination afin d’apporter de la stabilité dans la planification et l’exécution.
• Contribuer à l’alignement des parties prenantes, incluant la gestion des attentes, la prise de décision et (si nécessaire) les escalades.

Collaboration & parties prenantes :

• Collaborer étroitement au sein de l’équipe Data mining (data scientists/analystes, et le cas échéant data engineers/parties prenantes platform).
• Collaboration avec l’équipe Data Platform et les partenaires/contributeurs de contenu.
• Travailler dans un environnement à multiples priorités, où une structuration de l’intake, du suivi et de la communication est nécessaire.

Profil (prérequis) :

• Master en IT
• Solide expérience pratique en tant que Data Scientist / ML Engineer avec un focus sur Python.
• Expérience en data analyse et modélisation (pandas, scikit-learn) et dans la construction/l’amélioration de modèles ML en contexte production.
• Solide base en software engineering : Git, code reviews, CI/CD pipelines, Docker ; expérience dans la mise en place d’API et de composants réutilisables (ex : FastAPI).
• Connaissance de SQL ; une expérience avec l’infrastructure-as-code ou le cloud est un plus (Terraform, AWS/GCP).
• Excellente capacité à structurer des questions floues et à les traduire en approche/délivrables concrets.
• Expérience en coaching/mentoring et en co-création (ex : formations techniques, reviews, rôle de SCRUM/scrum master).
• Excellentes compétences en communication (embarquer les parties prenantes, rapporter clairement, gérer les attentes).
• Trilinguisme (NL/FR/EN) fortement souhaité et de préférence à un niveau élevé.

Atouts (nice-to-haves) :

• Expérience avec data product thinking, la gouvernance et les principes de qualité (FAIR, définitions, documentation, réutilisabilité).
• Expérience avec graph analytics / network analytics ou autres domaines d’advanced analytics.
• Connaissance de Databricks.
• Expérience préalable dans un OISZ est un grand plus.
• Expérience préalable avec secondary data use et la détection de fraude.

Impact attendu (3–6 mois) :

• Processus d’intake et de priorisation plus clair pour les demandes ad hoc adressées à l’équipe Data mining.
• Plus de livrables réutilisables et scalables au lieu de one-offs.
• Amélioration mesurable de la qualité d’équipe via coaching, reviews et accords méthodologiques.
• Meilleure prévisibilité et progression sur les projets data majeurs et les initiatives stratégiques.

Nous vous demandons d’envoyer, en plus de votre CV, le résultat de l’exercice ci-dessous. L’absence de réponse ou des réponses non satisfaisantes entraînera le rejet de la candidature :

Expliquez comment fonctionne un random forest et dans quelles situations vous préféreriez utiliser XGBoost ou AdaBoost par rapport à un Random Forest.