Spécialiste Data Science & IA (m/f/d) (80-100%)

Accelleron accélère la durabilité dans les industries maritime et énergétique en tant que leader technologique mondial de la suralimentation, de l'injection de carburant et des solutions numériques pour les applications intensives. S'appuyant sur un héritage de plus de 100 ans en tant que partenaire industriel de confiance, l'entreprise sert des clients dans plus de 100 sites dans plus de 50 pays. Les 3 000 employés d'Accelleron innovent continuellement pour fournir des produits, services et solutions de premier plan, essentiels pour la transition énergétique. Vous rejoindrez une équipe d'experts dans un environnement international passionnant, engagée envers l'excellence et l'innovation. Ensemble, nous accompagnons nos clients dans la transition vers des industries durables grâce à une technologie de pointe, une expertise approfondie et des solutions intelligentes. Chez Accelleron, nous favorisons la diversité et l'inclusion, accueillant et célébrant les différences individuelles comme une source de force.

Ce rôle est le fondement du nouveau Advanced Analytics AI Center of Excellence d'Accelleron. Ce rôle nécessite une expérience en codage et la manipulation de jeux de données structurés et non structurés. Ce rôle transforme les défis commerciaux en solutions basées sur les données : identifier les bonnes données, construire et valider des modèles, traduire les résultats en informations et en valeur commerciale mesurable.

L'Advanced Analytics AI CoE développe des capacités agnostiques vis-à-vis des processus et agit en tant que partenaire expert auprès des équipes de domaines de processus et des unités commerciales qui possèdent les solutions. Parallèlement à la réalisation concrète, le rôle aide le programme AI citizen dans toute l'entreprise à travailler de manière sûre et efficace avec l'IA. Ces rôles aideront à atteindre le niveau suivant de maturité des données IA.

Vos responsabilités :

Réalisation de cas d'utilisation d'IA et d'apprentissage automatique

Soutenir et fournir des solutions basées sur les données : de la définition du problème et l'évaluation de la faisabilité au développement, à la validation, au déploiement et à la surveillance post-mise en service des modèles. Créer des informations exploitables en utilisant des méthodes de science des données et d'IA : analyse statistique, apprentissage automatique, vision par ordinateur, Large Language Models appliqués à des problèmes commerciaux. Transfert de la solution vers une exploitation durable : documentation, approche de réentraînement et de surveillance, et propriété claire conjointement avec les équipes de domaine de processus et d'application.

Partenariat commercial et traduction de la valeur

Travailler avec les unités commerciales pour comprendre leurs besoins : collaborer avec les Divisions & Fonctions, clarifier le processus réel à améliorer et contester si nécessaire. Traduire les résultats analytiques en valeur commerciale et en actions : expliquer les découvertes dans un langage commercial, quantifier les bénéfices attendus et définir ce qui devrait changer en conséquence. Conseiller les utilisateurs métier de bout en bout : des entrées de données, de la sélection des caractéristiques, des approches de modélisation, à l'évaluation des résultats et à la mise en œuvre pratique du projet. Contribuer à la qualification des cas d'utilisation : évaluer la disponibilité et la qualité des données, l'effort, le risque et le retour attendu, et soutenir le processus de réception de la demande et de priorisation. Cela doit suivre les réglementations en vigueur (par exemple, l'EU AI Act, le RGPD) et les processus internes (par exemple, la Sécurité).

Sourcing de données et collaboration de plateforme

Identifier et sourcer les données pertinentes : localiser les bonnes données internes et externes, évaluer leur qualité, leur propriété et leur pertinence, et les préparer pour l'utilisation analytique. Travailler via l'Enterprise Data Layer et le Data Product Catalogue : consommer des produits de données gouvernés lorsqu'ils existent, signaler les lacunes à l'Enterprise Data Architect et aux propriétaires de produits de données plutôt que de construire des extractions ponctuelles (Créer une fois, déployer plusieurs fois). Identifier et sourcer les données pertinentes : localiser les bonnes données internes et externes, évaluer leur qualité, leur propriété et leur pertinence, et les préparer pour l'utilisation analytique. Travailler via l'Enterprise Data Layer et le Data Product Catalogue : consommer des produits de données gouvernés lorsqu'ils existent, signaler les lacunes à l'Enterprise Data Architect et aux propriétaires de produits de données plutôt que de construire des extractions ponctuelles (Créer une fois, déployer plusieurs fois).

Outillage, ingénierie et standards

Intégrer des outils tels que Python et R dans le paysage analytique, y compris les notebooks, les bibliothèques et leur utilisation au sein de Microsoft Fabric et de la plateforme de données de l'entreprise. Appliquer des pratiques saines d'ingénierie des données : contrôle de version, revue de code, gestion de l'environnement, test et pipelines reproductibles pour la préparation des données et l'entraînement des modèles. Aider à définir les méthodes et les standards du CoE : approches de référence, modèles, documentation des modèles, critères d'évaluation et le chemin du prototype à la production. Évaluer les nouvelles méthodes et outils : évaluer leur adéquation pour Accelleron et faire des recommandations pragmatiques sur ce qu'il faut adopter.

Capacitation des citizen data scientists et partage de connaissances

Permettre l'IA citoyenne : fournir des garde-fous, des modèles, des formations et du coaching afin que les utilisateurs métier puissent appliquer l'analyse avancée de manière sûre et efficace. Conseiller la communauté citoyenne sur le choix de la méthode : quand l'analyse en libre-service est appropriée, quand une solution livrée par