Data scientist senior consultant

En tant que Data Scientist Senior Consultant au sein de notre Practice Data, AI & Technology, tu interviens auprès d'acteurs majeurs (Retail, Luxe, Media, Industrie, Finance, …) afin de concevoir, optimiser et déployer des modèles avancés de prévision, tout en jouant un rôle clé dans le cadrage des besoins, l'accompagnement méthodologique et la valeur business.
Particulièrement sur des projets de modélisation prédictive et prévisions (Forecasting) pour accompagner nos clients dans leurs projets data stratégiques.
À cet effet, tes missions sont les suivantes :
Expertise technique & modélisation
Concevoir et implémenter des modèles avancés de forecasting : ARIMA/SARIMA, Prophet, XGBoost, LSTM/GRU, modèles hiérarchiques, approches Transformers (Chronos, etc.)..
Développer des pipelines robustes de préparation et de traitement des données temporelles.
Mettre en place des stratégies d'évaluation et de validation rigoureuses (backtesting, FA MAPE / FA WAPE / RMSE…)
Optimiser les performances et assurer la robustesse des modèles en environnement réel
Industrialiser les solutions via Python, MlFLow, Docker et des workflows CI/CD.
Accompagnement client
Challenger les besoins métier afin de définir des cas d'usage à fort impact.
Structurer les feuilles de route data autour des enjeux de prévision (demande, stocks, revenus, etc.).
Animer des ateliers de cadrage, restitutions, comités de pilotage et formations.
Traduire la complexité technique en recommandations opérationnelles et en impacts mesurables.
Contribution interne
Contribuer au développement et la structuration de l'offre forecasting.
Participer à la veille technologique (Time Series, foundation models, MLOps).
Réaliser des POC internes et clients.
Contribuer au rayonnement et à l'expertise de la Practice Data.
Tu joues un rôle clé dans le succès de nos clients et dans le développement de notre équipe Data en France, renforçant notre position d'expert et d'architecte de la donnée.
Compétences techniques :
Python et frameworks ML/DL (scikit-learn, PyTorch ou TensorFlow).
Maîtrise des modèles de séries temporelles et forecasting.
Solide compréhension des métriques d'évaluation adaptées aux séries temporelles.
Maîtrise du langage SQL.
Environnements de traitement de données distribués (Spark, Databricks, Snowflake ou similaire).
Bonne culture MLOps et industrialisation.