Lead Data Scientist
Il y a 3 jours
Paris, Ile-de-France
Ipsos
Temps plein
Gratuit avec email ou Google
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
Gratuit avec email ou Google
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
Descriptif du poste L'AI Factory d'Ipsos recrute un Lead Data Scientist pour piloter la qualité scientifique des agents IA et structurer les standards de modélisation, d'évaluation, d'incertitude et d'évidence qui soutiennent les releases client-facing. Vous faites le lien entre stratégie méthodologique Ipsos, exigences des Service Lines, exécution Data Science et industrialisation engineering. L'entreprise Ipsos est le leader mondial des études de marché. Son AI Centre of Excellence (AI CoE) est la nouvelle unité transverse qui conçoit, industrialise et opère les agents IA commerciaux d'Ipsos. La première vague vise à mettre en production des agents conversationnels capables de mobiliser les expertises, méthodologies et actifs propriétaires d'Ipsos, avec une infrastructure fondée sur Google Gemini Enterprise, GCP et une approche de plateforme réutilisable pour les Service Lines. Vos missions Vous prendrez la responsabilité des workstreams Data Science les plus critiques de l'AI Factory. Vous guiderez les choix scientifiques, animerez les revues méthodologiques et assurerez la cohérence entre rigueur Ipsos, vitesse de livraison et scalabilité de la plateforme. Leadership scientifique et standards méthodologiques
- Définir les standards Data Science applicables aux agents IA : validité statistique, traitement de l'incertitude, qualité des sources (grounding/RAG), interprétabilité des arbres de décision agentiques et robustesse face aux dérives comportementales.
- Structurer les méthodes de validation avec les Service Lines : critères de release, seuils de performance, evidence packs, documentation et sign-off scientifique.
- Arbitrer les choix de modélisation et d'évaluation sur les use cases complexes, en explicitant les implications business, méthodologiques et techniques.
- Porter la cohérence des approches NLP, GenAI, ML classique, multimodal AI et analytics dans le portefeuille d'agents. Évaluation des agents, gouvernance et production
- Concevoir le cadre d'évaluation des agents : golden datasets, benchmarks, LLM-as-judge contrôlé, tests humains, scorecards, audits et monitoring post-release.
- Aligner les Data Scientists, AI Engineers et Data Engineers sur les exigences d'observabilité scientifique : logs, traces, lineage, datasets, métriques et décision de promotion.
- Identifier les risques analytiques : boucles infinies de raisonnement, mauvaise utilisation d'outils (tool mis-use), signal faible surinterprété, dérive, biais, hallucination, manque de grounding, confusion entre preuve et recommandation.
- Traduire les risques en mécanismes de contrôle (guardrails, filtres de sécurité, limites de boucles) intégrés aux pipelines de développement et de release. Encadrement, stratégie et interface Service Lines
- Mentorer les Data Scientists et Applied AI Engineers, organiser les revues scientifiques et faire progresser les standards de code, expérimentation et documentation.
- Contribuer à la priorisation de roadmap en évaluant l'effort scientifique, la disponibilité data, le potentiel ROI, la complexité méthodologique et la réutilisabilité plateforme.
- Interagir avec les directions Service Lines, produit, engineering et clients stratégiques pour formuler des approches techniquement solides et commercialement lisibles.
- Produire des playbooks et supports de formation sur l'usage responsable et méthodologiquement robuste de l'IA dans les offres Ipsos.
Profil recherché
- +5 ans d'expérience en Data Science, AI, machine learning, statistiques appliquées ou économétrie, avec responsabilité de cadrage scientifique ou leadership technique.
- Master avancé ou PhD en Data Science, Statistiques, Mathématiques appliquées, Informatique, Économétrie, NLP ou domaine quantitatif proche.
- Solide compréhension des architectures d'agents et multi-agents : patterns de raisonnement (ReAct, Plan-and-Solve, Chain-of-Thought), de planification, de mémoire (court/long terme) et de gestion d'outils (Tool Calling / Function Calling).
- Expérience démontrée de conception de solutions analytiques ou IA en contexte business : de la définition du problème à la restitution, en passant par la validation et la production.
- Très bonne maîtrise de Python, ML/NLP/GenAI, méthodes statistiques, validation de modèles, métriques, biais, incertitude, robustesse et interprétabilité.
- Capacité à diriger sans lien hiérarchique direct : cadrer, challenger, arbitrer, documenter, mentoriser et aligner des profils data, engineering, produit et business.
- Expérience du market research, des données survey/panel, de la consumer intelligence, du social listening ou des analytics client.
- Anglais courant pour les présentations globales, les documents de gouvernance et les interactions avec partenaires. Français apprécié. Un plus
- Expérience Head of Data Science
- Définir les standards Data Science applicables aux agents IA : validité statistique, traitement de l'incertitude, qualité des sources (grounding/RAG), interprétabilité des arbres de décision agentiques et robustesse face aux dérives comportementales.
- Structurer les méthodes de validation avec les Service Lines : critères de release, seuils de performance, evidence packs, documentation et sign-off scientifique.
- Arbitrer les choix de modélisation et d'évaluation sur les use cases complexes, en explicitant les implications business, méthodologiques et techniques.
- Porter la cohérence des approches NLP, GenAI, ML classique, multimodal AI et analytics dans le portefeuille d'agents. Évaluation des agents, gouvernance et production
- Concevoir le cadre d'évaluation des agents : golden datasets, benchmarks, LLM-as-judge contrôlé, tests humains, scorecards, audits et monitoring post-release.
- Aligner les Data Scientists, AI Engineers et Data Engineers sur les exigences d'observabilité scientifique : logs, traces, lineage, datasets, métriques et décision de promotion.
- Identifier les risques analytiques : boucles infinies de raisonnement, mauvaise utilisation d'outils (tool mis-use), signal faible surinterprété, dérive, biais, hallucination, manque de grounding, confusion entre preuve et recommandation.
- Traduire les risques en mécanismes de contrôle (guardrails, filtres de sécurité, limites de boucles) intégrés aux pipelines de développement et de release. Encadrement, stratégie et interface Service Lines
- Mentorer les Data Scientists et Applied AI Engineers, organiser les revues scientifiques et faire progresser les standards de code, expérimentation et documentation.
- Contribuer à la priorisation de roadmap en évaluant l'effort scientifique, la disponibilité data, le potentiel ROI, la complexité méthodologique et la réutilisabilité plateforme.
- Interagir avec les directions Service Lines, produit, engineering et clients stratégiques pour formuler des approches techniquement solides et commercialement lisibles.
- Produire des playbooks et supports de formation sur l'usage responsable et méthodologiquement robuste de l'IA dans les offres Ipsos.
Profil recherché
- +5 ans d'expérience en Data Science, AI, machine learning, statistiques appliquées ou économétrie, avec responsabilité de cadrage scientifique ou leadership technique.
- Master avancé ou PhD en Data Science, Statistiques, Mathématiques appliquées, Informatique, Économétrie, NLP ou domaine quantitatif proche.
- Solide compréhension des architectures d'agents et multi-agents : patterns de raisonnement (ReAct, Plan-and-Solve, Chain-of-Thought), de planification, de mémoire (court/long terme) et de gestion d'outils (Tool Calling / Function Calling).
- Expérience démontrée de conception de solutions analytiques ou IA en contexte business : de la définition du problème à la restitution, en passant par la validation et la production.
- Très bonne maîtrise de Python, ML/NLP/GenAI, méthodes statistiques, validation de modèles, métriques, biais, incertitude, robustesse et interprétabilité.
- Capacité à diriger sans lien hiérarchique direct : cadrer, challenger, arbitrer, documenter, mentoriser et aligner des profils data, engineering, produit et business.
- Expérience du market research, des données survey/panel, de la consumer intelligence, du social listening ou des analytics client.
- Anglais courant pour les présentations globales, les documents de gouvernance et les interactions avec partenaires. Français apprécié. Un plus
- Expérience Head of Data Science