> Markdown version of [/jobs/ext/4612054-data-scientist-ml-engineer-f-h](https://www.wearedevelopers.com/jobs/ext/4612054-data-scientist-ml-engineer-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/ML Engineer F/H

- **Company:** ALTAPYX
- **Location:** Bordeaux, France
- **Experience:** Experienced
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Continuous Integration, Python (Programming Language), Machine Learning, OpenAI, Tensorflow, Azure Machine Learning, SQL Databases, Data Processing, Feature Engineering, Pytorch, Retrieval-Augmented Generation, Large Language Models, Apache Spark, Deep Learning, Llamaindex, Generative AI, Scikit Learn, HuggingFace, Xgboost, Machine Learning Operations, Azure AI, Databricks
- **Published:** November 7, 2026
- **Apply:** https://candidat.francetravail.fr/offres/recherche/detail/8461299

## About the Role

Descriptif du poste:\n\nMissions principales du poste\nConcevoir, entraîner et mettre en production des modèles de Machine Learning et des solutions d'IA (dont IA générative) qui créent de la valeur pour les métiers de nos clients. Il accompagne le cas d'usage de l'idée jusqu'à l'industrialisation, en garantissant la fiabilité, l'explicabilité et la conformité des modèles.\nActivités et tâches\nIntégré au sein des équipes du client, les activités sont principalement les suivantes :\n* Identifier et cadrer les cas d'usage IA / ML avec les métiers (tarification, fraude, churn, analyse documentaire, automatisation)\n* Explorer et préparer les données, construire les variables (feature engineering)\n* Concevoir, entraîner et évaluer les modèles (ML classique, deep learning, NLP)\n* Développer des solutions d'IA générative : RAG, agents, prompt engineering, évaluation des LLM\n* Réaliser des POCs / MVP et accompagner leur passage en production (MLOps)\n* Suivre la performance des modèles en
production (dérive, ré-entraînement)\n* Garantir l'explicabilité, l'équité et la conformité des modèles (RGPD, AI Act)\n* Restituer et vulgariser les résultats aux interlocuteurs métier\n* Contribuer à la practice Data & IA ALTAPYX (capitalisation, retours d'expérience)\n\nProfil recherché:\n\nDiplôme, formations et certifications\nOn aime bien les BAC+5 mais on ne s'interdit rien\nCertifications appréciées : Azure AI Engineer (AI-102), AWS Machine Learning, Google Professional ML Engineer, Databricks ML\nCompétences techniques\n* Python avancé (Scikit-learn, XGBoost, PyTorch ou TensorFlow)\n* Statistiques et mathématiques appliquées\n* NLP et LLM (Hugging Face, LangChain / LlamaIndex, API OpenAI / Anthropic / Mistral)\n* Bases vectorielles et architectures RAG\n* MLOps : MLflow, conteneurs, CI/CD, services ML cloud (Azure ML, SageMaker, Vertex AI)\n* SQL et manipulation de gros volumes (Spark apprécié)\nCompétences fonctionnelles\n* Capacité à traduire un besoin métier en
problème de modélisation\n* Capacité à vulgariser des concepts techniques pour des interlocuteurs non techniques\n* Sensibilité aux enjeux d'IA de confiance (explicabilité, biais, réglementation)\n* Une connaissance du métier de l'Assurance (actuariat, sinistres, fraude, relation client) serait un plus\nSoft skills\n* Une excellente aptitude rédactionnelle\n* Un bon niveau de communication orale\n* Un excellent relationnel\n* Une bonne adaptabilité et rapidité de compréhension pour appréhender les process métier\nQualités requises\nVotre relationnel, votre esprit de synthèse, votre curiosité, votre esprit d'équipe et votre autonomie sont des atouts qui vous permettront de réussir efficacement dans les missions confiées.\nExpérience exigée\n2 ans minimum en Data Science ou Machine Learning, dont au moins un modèle ou une solution IA mis en production.\n