> Markdown version of [/jobs/ext/4101792-data-analyst-referent-automatisation-et-deploiement-ia-f-h](https://www.wearedevelopers.com/jobs/ext/4101792-data-analyst-referent-automatisation-et-deploiement-ia-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 Analyst / Référent Automatisation et Déploiement IA (F/H)

- **Company:** Photosol
- **Location:** Bordeaux, France (Remote available)
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Data Analysis, Business Software, Computerized Maintenance Management Systems, Databases, Data Dictionary, Extract Transform Load (ETL), Decision Support Systems, Python (Programming Language), Machine Learning, MySQL, SQL Databases, Generative AI, Git, Data Analytics, Hypervision, Restful APIs
- **Published:** October 30, 2026
- **Apply:** https://www.indeed.com/viewjob?jk=f64fb471c6726094

## About the Role

Formation Diplôme d'ingénieur ou équivalent universitaire, Bac +5 en :

 * Data Analytics
 * Business Intelligence
 * Informatique décisionnelle
 * Data Science Expérience
 * 2 à 3 ans d'expérience minimum sur des fonctions de Data Analyst / BI Analyst / Data Scientist
 * Expérience significative sur Python et Bases de données, indispensable
 * Une expérience dans des projets IA / automatisation intelligente serait fortement appréciée
 * Une première exposition à des projets photovoltaïques, et à l'O&M des actifs constitue un vrai plus

Soft Skills :

 * Bonnes capacités de communication, à l'écrit comme à l'oral, avec des interlocuteurs techniques et métiers ;
 * Capacité de gestion de projet, suivi des délais, priorisation des sujets et coordination de plusieurs interlocuteurs ;
 * Aptitude à travailler en transverse avec les équipes terrain, exploitation, asset management et partenaires externes ;
 * Autonomie, rigueur et esprit d'analyse ;
 * Anglais professionnel (échanges partenaires).

Compétences techniques :

 * Python avancé
 * Bases de données (SQL / Influx, MySQL, etc.)
 * API REST
 * Data cleaning & séries temporelles
 * Statistiques & analyse de données
 * Orchestration des pipelines
 * Machine Learning
 * Git & documentation du code

## Description

A. Data engineering et automatisation des flux :

 * Recenser les sources de données existantes (API, capteurs, fichiers métiers, bases de données, CMS, etc.) ;
 * Concevoir, mettre en oeuvre et fiabiliser les processus ETL/ELT ;
 * Mettre en place des chaînes de traitement et d'orchestration de la donnée ;
 * Garantir la qualité, la cohérence et la fiabilité des données ;
 * Automatiser les flux entre les logiciels métiers : Hypervision, GMAO, référentiels techniques, outils financiers et outils IA ;
 * Contribuer à la formalisation d'une documentation data (dictionnaire de données, règles de nommage, traçabilité, ownership).

B. Modélisation, Machine Learning et prévision

Cette mission s'exerce en mode projet en coordination étroite avec des partenaires industriels et techniques. Le titulaire du poste pilote et accompagne les prestataires, challenge leurs livrables et s'approprie en profondeur les modèles et solutions produits.

Cette compréhension fine lui permet de déployer les solutions sur de nouveaux parcs, puis de les faire évoluer.

Exemples de cas d'usage :

 * Comprendre, implémenter et adapter les algorithmes sous-jacents aux calculs de performance et de détection (approches statistiques, physiques et data-driven) ;
 * Développer des modèles de Machine Learning appliqués au PV : détection d'anomalies, classification des pertes et modèles prédictifs ;
 * Construire des modèles d'énergie attendue / baseline (production théorique) servant de référence à l'analyse des écarts et aux signatures de performance ;
 * Développer des « signatures de performance » permettant d'expliquer, quantifier et attribuer les écarts entre production attendue et réelle (pertes météo, salissure, ombrage, indisponibilités, dérives onduleurs/strings, clipping, etc.)

C. Identification et mise en oeuvre de cas d'usage IA

 * Identifier les processus à potentiel d'automatisation par l'IA ;
 * Étudier les opportunités offertes par l'IA générative, l'analytique avancée et les modèles prédictifs ;
 * Participer au cadrage fonctionnel et technique des premiers cas d'usage IA ;
 * Assurer une veille technologique sur l'IA appliquée à l'énergie ;
 * Accompagner les métiers dans l'appropriation des nouveaux outils IA ;
 * Travailler avec les partenaires et intégrateurs sur les cas d'usage : comprendre leurs solutions pour les déployer et les faire évoluer en interne.

Exemples de cas d'usage :

 * Détection d'anomalies et contrôle qualité ;
 * Automatisation d'analyses récurrentes (Génération des rapports, etc.) ;
 * Assistants métiers basés sur IA générative

D. Conception et industrialisation des Dashboards et reporting

 * Produire et fiabiliser des Dashboards d'exploitation ;
 * Implémenter les KPI stratégiques et opérationnels définis par le Métier et l'Asset Manager ;
 * Développer, maintenir et faire évoluer des Dashboards BI ;
 * Mettre en place des automatisations d'actualisation et de diffusion ;
 * Garantir l'adoption des outils par les utilisateurs internes ;
 * Formaliser les procédures, documentations techniques et modes opératoires associés aux outils et modèles développés.

E. Accompagnement au changement / culture Data et IA

 * Piloter les projets data et IA en coordination avec les prestataires, intégrateurs et partenaires industriels ;
 * Former les utilisateurs aux outils et aux bonnes pratiques data ;
 * Aider à définir les rôles et responsabilités autour de la donnée (data owners, data stewards, utilisateurs clés) ;
 * Sensibiliser les équipes métiers à l'importance de la qualité de donnée ;
 * Structurer, versionner (Git) et documenter le code afin d'assurer la robustesse, la reproductibilité et la maintenabilité des traitements.