Data scientist / machine learning engineer (ia & genai – banque) - freelance

Description du poste Taux journalier (TJM): Budget Cible : 550–650 € HT/j ou 55–65 K€ brut/an (selon profil) Data Scientist / Machine Learning Engineer (IA & GenAI – Banque) Département : Paris (75) ️ Démarrage : 06/04/2026 ⏳ Durée : 12 mois, reconductible Contrat : CDI ou freelance Budget Cible : 550–650 € HT/j ou 55–65 K€ brut/an (selon profil) ‍ Télétravail : 2 à 3 jours/semaine Séniorité : 5 ans XP Poste ouvert : 1 Secteur : Banque / Paiement – IA & Data Contexte Dans le cadre d’une stratégie ambitieuse autour de l’Intelligence Artificielle, un acteur majeur du paiement accélère l’intégration de solutions de Machine Learning, Deep Learning, NLP et IA Générative. Les enjeux sont multiples : Valorisation des données Optimisation des processus opérationnels Amélioration de l’expérience client Déploiement de solutions IA à l’échelle La mission s’inscrit dans un environnement data moderne, orienté production et impact business. Missions principales Concevoir, développer et déployer des modèles de Machine Learning Travailler sur des cas d’usage variés : scoring, fraude, expérience client Mettre en place des solutions IA Générative / LLM (fine-tuning, RAG, agents) Industrialiser les modèles via des pratiques MLOps Déployer les modèles sous forme d’ API et pipelines automatisés Mettre en place des dispositifs de monitoring (performance, drift, qualité des données) Collaborer avec les équipes métiers (Risque, Paiement, Fraud, Digital…) Participer à la définition de l’ architecture data & ML Contribuer à l’amélioration continue des modèles et des pipelines ️ Environnement technique Langages & ML : Python, Pandas, Scikit-learn, XGBoost, LightGBM Explainability : SHAP, LIME GenAI / LLM : OpenAI, HuggingFace, LangChain, LangGraph MLOps : MLflow, CI/CD, pytest, feature stores Déploiement : FastAPI, Docker, Kubernetes, GitHub Actions Data & Cloud : Azure (Azure ML), Databricks, PySpark Outils : Jira, Confluence, GitLab / Bitbucket / Azure DevOps Monitoring : drift, performance, RAGAS, LLM evaluation Profil recherché Profil recherché Expérience solide en Data Science & Machine Learning ( 5 ans XP) Maîtrise des modèles supervisés (régression, arbres, boosting) Expérience concrète en mise en production (MLOps) Bonne connaissance des LLM / IA Générative (RAG, fine-tuning, agents) Excellente maîtrise de Python et de l’écosystème ML Expérience en déploiement d’API et pipelines data Bonne compréhension des architectures data modernes Capacité à échanger avec des équipes métiers variées Une connaissance du secteur bancaire (scoring, réglementation) est un plus Autonomie, rigueur et esprit d’innovation Anglais professionnel