
IA Engineer / Data Scientist – Générative AI (H/F)
Alten · Boulogne-Billancourt, IDF, France
- Professional Services
- 10,001+ employees
- Boulogne-Billancourt Cedex, Ile-de-France
Strong hiring record · median 27 days open
Hiring signal
Actively hiring
Open 2 days · Never reposted · Missing from the employer's board · How we score
- First seen
- 13 November 2026
- Reposted
- Not since September 2026
- Last checked
- Today · missing from the employer's board
All reasons
In its favour
- Posted yesterday
1. Exploration et Préparation des Données
- Comprendre les enjeux métiers :
- Collaborer avec les équipes métiers pour identifier les problématiques (ex : réduction des coûts, amélioration de l’expérience client, détection d’anomalies).
- Définir des objectifs clairs et mesurables (ex : réduire le taux d’erreur de 20 %, améliorer le taux de conversion de 15 %).
- Explorer les données :
- Collecte : Identifier les sources de données pertinentes (bases de données, APIs, fichiers plats, IoT, etc.).
- Nettoyage : Gérer les valeurs manquantes, les doublons, les incohérences (outils : Pandas, PySpark, OpenRefine).
- Analyse exploratoire (EDA) :
- Statistiques descriptives (moyenne, écart-type, distributions).
- Visualisations (Matplotlib, Seaborn, Plotly, Tableau).
- Détection d’anomalies et de patterns (outils : Scikit-learn, AutoML).
- Feature Engineering :
- Création de nouvelles features (ex : agrégations, encodages, transformations temporelles).
- Sélection des features pertinentes (méthodes : correlation analysis, feature importance, PCA).
- Optimisation pour les modèles (normalisation, scaling).
2. Développement de Modèles d’IA
- Choix des algorithmes :
- Supervisé :
- Classification : Random Forest, XGBoost, SVM, Réseaux de Neurones (pour la détection de fraudes, le scoring risque).
- Régression : Linear Regression, Ridge/Lasso, Neural Networks (pour la prédiction de ventes, la maintenance prédictive).
- Non supervisé :
- Clustering : K-Means, DBSCAN, Hierarchical Clustering (pour la segmentation client).
- Réduction de dimension : PCA, t-SNE, UMAP (pour la visualisation de données complexes).
- Deep Learning :
- Computer Vision : CNN (ResNet, YOLO), Vision Transformers (ViT) (pour la reconnaissance d’images, OCR).
- NLP : Transformers (BERT, RoBERTa), RNN/LSTM (pour les chatbots, l’analyse de sentiments).
- Séries temporelles : LSTM, Prophet, ARIMA (pour le forecasting).
- IA Générative : LLMs (GPT, LLaMA), Diffusion Models (Stable Diffusion) (pour la génération de texte ou d’images).
- Reinforcement Learning :
- Q-Learning, Deep Q-Networks (DQN), Proximal Policy Optimization (PPO) (pour l’optimisation dynamique).
- Entraînement des modèles :
- Préparation des jeux de données : Split train/test/validation, cross-validation.
- Hyperparamétrage : Grid Search, Random Search, Bayesian Optimization (outils : Optuna, Hyperopt).
- Évaluation :
- Métriques : Accuracy, Precision/Recall, F1-score, ROC-AUC (classification) ; RMSE, MAE, R² (régression) ; BLEU, Perplexity (NLP).
- Validation : A/B testing, backtesting.
- Optimisation :
- Performance : Réduction de la latence, optimisation des ressources (quantization, pruning, distillation).
- Explicabilité : SHAP, LIME, Captum (pour expliquer les décisions des modèles).
- Biais et équité : Détection et correction des biais (outils : AIF360, Fairlearn).
3. Industrialisation et Déploiement des Modèles
- MLOps et Déploiement :
- Versioning : Gestion des versions des modèles et des données (outils : MLflow, DVC, Git).
- Pipeline CI/CD : Automatisation des tests et déploiements (outils : Jenkins, GitHub Actions, GitLab CI).
- Déploiement :
- Cloud : AWS SageMaker, Azure ML, Google Vertex AI.
- On-premise : Docker, Kubernetes, FastAPI, Flask.
- Edge : Déploiement sur des appareils IoT (TensorFlow Lite, ONNX Runtime).
- Monitoring :
- Suivi des performances (outils : Prometheus, Grafana, Evidently).
- Détection de la dérive des modèles (data drift, concept drift).
- Alertes et retraining automatique.
- Intégration avec les systèmes existants :
- Collaboration avec les Data Engineers pour intégrer les modèles dans les pipelines de données.
- Intégration avec les applications métiers (ERP, CRM, plateformes web/mobile).
4. Veille & Innovation
- Suivre les avancées en IA Générative :
- Évaluation des nouveaux modèles (ex. : Gemini 1.5, Mistral 8x22B) et des techniques émergentes (agents autonomes, multi-modalité).
- Formation : Bac+5 en data science, informatique, ou mathématiques appliquées (école d’ingénieur ou master spécialisé en IA/ML).
- Expérience : 6 ans en développement IA/ML, avec une expertise avérée en :
- Développement de modèles d’IA (au moins 5 projets complets en production).
- Expertise dans plusieurs domaines d’application :
- Computer Vision (ex : reconnaissance d’images, OCR).
- NLP (ex : chatbots, analyse de sentiments, extraction d’informations).
- Séries temporelles (ex : maintenance prédictive, forecasting).
- Recommandation (ex : systèmes de recommandation personnalisés).
- IA Générative (ex : génération de texte, d’images, ou de code).
- Expérience en industrialisation :
- Déploiement de modèles en production (cloud, on-premise, edge).
- Collaboration avec des équipes MLOps/DevOps.
- Intégration avec des systèmes métiers (ERP, CRM, etc.).
- Soft Skills :
- Esprit d’innovation : Capacité à proposer des solutions créatives tout en respectant les contraintes industrielles.
- Rigueur : Respect des bonnes pratiques (reproductibilité, documentation, tests).
- Collaboration : Travail en équipe avec les data engineers, devops, et métiers.
- Pédagogie : Explication claire des concepts GenAI à des non-experts.
- Langues : anglais technique.
Skills
- Pandas
- PySpark
- Matplotlib
- Seaborn
- Plotly
- Tableau
- scikit-learn
- XGBoost
- Deep Learning
- Computer Vision
- Hugging Face Transformers
- OCR
- NLP
- LLM
- GPT
- Llama
- R
- MLOps
- MLflow
- DVC
- Git
- Jenkins
- GitHub Actions
- GitLab CI
- SageMaker
- Azure ML
- Vertex AI
- Docker
- Kubernetes
- FastAPI
- Flask
- TensorFlow
- ONNX Runtime
- Prometheus
- Grafana
- Gemini
- Mistral
- Machine Learning
- Generative AI
More jobs at Alten
All 464- Ingénieur développeur logiciel embarqué expérimenté (H/F) - Secteur DéfenseAlten · Cholet, Pays de la Loire, Francetoday
- Skywise Entwickler (all gender)Alten · Hamburg, HH, Germanytoday
- Data Analyst Confirmé - Looker / LookML (H/F)Alten · Boulogne-Billancourt, IDF, France2d ago
- Ingénieur DevOps IA / Cloud GCP (H/F)Alten · Boulogne-Billancourt, IDF, France2d ago
- Business analyst - Cash Management (H/F)Alten · Boulogne-Billancourt, IDF, France2d ago
Similar roles
- Ingénieur développeur logiciel embarqué expérimenté (H/F) - Secteur DéfenseAlten · Cholet, Pays de la Loire, Francetoday
- Data Analyst Confirmé - Looker / LookML (H/F)Alten · Boulogne-Billancourt, IDF, France2d ago
- Ingénieur DevOps IA / Cloud GCP (H/F)Alten · Boulogne-Billancourt, IDF, France2d ago
- Développeur Senior C# / .NET – PIM InRiver / AWS (H/F)Citech · Issy-les-Moulineaux, France · EUR 45–60/hr2d ago
- Internship - Android Software EngineerNetatmo · Lyon, Auvergne-Rhône-Alpes, France2d ago
- Architecte IA Senior (H/F)Alten · Boulogne-Billancourt, IDF, France2d ago