> Markdown version of [/jobs/ext/2839444-data-scientist-machine-learning-engineer-confirme-f-h](https://www.wearedevelopers.com/jobs/ext/2839444-data-scientist-machine-learning-engineer-confirme-f-h). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Data Scientist / Machine Learning Engineer Confirmé F/H

- **Company:** ONEY
- **Location:** Inconnu, France
- **Experience:** Experienced
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Confluence, JIRA, Microsoft Azure, Cloud Computing, Continuous Integration, Github, Python (Programming Language), Machine Learning, Backtesting, Azure Machine Learning, Large Language Models, Snowflake, Generative AI, Gitlab, Fastapi, Pandas, Pytest, Pyspark, Scikit Learn, Kubernetes, HuggingFace, Xgboost, Bitbucket, Machine Learning Operations, Docker, Databricks
- **Published:** September 11, 2026
- **Apply:** https://espace-emploi.agefiph.fr/jobs/21828118

## About the Role

Data Science & ML
· Solide expérience en modèles supervisés : Logistic Regression, Tree-based models, Gradient Boosting (XGBoost / LightGBM)
· Connaissances et application des approches explicables (SHAP/LIME, explainaible AI)
· Pratique des modèles génératifs & LLM (OpenAI, HuggingFace, fine-tuning)
Écosystème Data Engineering & MLOps
· Excellente maîtrise du langage Python et de l'écosystème ML : Pandas, Scikit-learn, MLflow, Pydantic, LangChain, LangGraph, FastAPI
· Packaging, CI/CD, tests (pytest), feature stores
· Déploiement de modèles sous forme d'API et pipelines automatisés (MLFlow, GitHub Actions, Kubernetes, Docker)
· Monitoring: data quality, performance, métriques d'évaluation, Back Testing, data / concept drift, RAGAS, LLM as a Judge
Outils & Cloudtrong>
· Azure (Azure ML, Foundry), Databricks, pySpark
· Confluence, JIRA, Bitbucket, GitLab, AzureDevOps
Une connaissance technique de Snowflake et des enjeux bancaires réglementaire serait un plus (scoring, réglementation)., · Vous avez 5 à 7 ans d'expérience
· Vous avez un parcours mixte : Data Science + mise en production / MLOps
· Vous êtes à l'aise pour discuter autant en termes de modélisation ML que d'architecture du SI
· Vous savez travailler avec de multiples métiers : Risque, Paiement, Digital, Fraud, Conformité…
· Vous aimez le delivery, l'expérimentation, et les environnements où l'IA a un impact direct sur l'expérience client
· Vous avez une appétence pour les solutions d'IA Générative et les approches Agentic

## Description

Au sein du pôle Data Science du département Data Innovation & AI, nous développons la nouvelle génération d'outils et de solutions IA permettant à Oney d'offrir les meilleurs produits et services à ses clients.
Voici vos principales missions :
Les 3 piliers d'intervention du pôle sont les suivants :
· Credit Risk Scoring
o Pour les équipes Risque / Validation, vous concevez et optimisez les scores d'octroi et de comportement, en explorant des approches innovantes
o Pour garantir la stabilité du coût du Risque, vous entrainez et déployez ces solutions, et assurez le monitoring de la dérive des modèles
o Travaillez en collaboration étroite avec les experts Métiers et les équipes Risque
· AI Solutions
o Optimisez l'expérience client en intégrant nos modèles d'IA en temps réel sous forme d'API dans nos parcours Digitaux (scoring temps réel, personnalisation des offres de paiement …)
o Pour une intégration fluide des modèles, participez à l'architecture technique en suivant les meilleures pratiques de développement (Cloud, MLOps)
o Collaborez avec les équipes produit et IT pour industrialiser les solutions
· GenAI
o Pour transformer nos processus internes (Marketing, Audit, Risque, …) ainsi que la relation et le support Client, prototypez et déployez en Production des solutions d'IA Générative sous forme d'agents (LLM, RAG, …)
o Pour automatiser l'octroi d'offre de crédit (Risque), des tâches complexes d'analyse documentaire, et faciliter l'interaction avec nos clients, vous mettez en place des architectures agentics
o Évaluez, optimisez et monitorez les performances des agents (cohérence, diversité, LLM as a Judge, …)


## Related Videos

- [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail)
- [Improving quality with Agentic AI with Rovo Dev and Xray](https://www.wearedevelopers.com/videos/2005-improving-quality-with-agentic-ai-with-rovo-dev-and-xray)
- [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered)
- [WeAreDevelopers LIVE - Modern DevOps for IoT Devices and More](https://www.wearedevelopers.com/videos/1805-wearedevelopers-live-modern-devops-for-iot-devices-and-more)
- [Are Code Reviews Worth It? Insights from 16 Years of Review Data](https://www.wearedevelopers.com/videos/1135-are-code-reviews-worth-it-insights-from-16-years-of-review-data)
- [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning)

## Related Articles

- [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer)
- [Jobs in Tech: The State of the European Market](https://www.wearedevelopers.com/magazine/575-jobs-in-tech-the-state-of-the-european-market)
- [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production)
- [Why Upskilling And Reskilling is Important For Developers](https://www.wearedevelopers.com/magazine/428-why-upskilling-and-reskilling-is-important-for-developers)
- [The Most Popular IT Jobs on the Market](https://www.wearedevelopers.com/magazine/376-the-most-popular-it-jobs-on-the-market)
- [Best Companies to Work For in Paris: Top 25 Companies in 2023 ](https://www.wearedevelopers.com/magazine/190-best-companies-to-work-for-in-paris-top-25-companies-in-2023)