Data ScientistScale up

Client : scale-up B2C en forte croissance (>5M du2019utilisateurs).
u00c9quipe : Data (12 pers.) : Head of Data Science, 3 DS, 4 Data Engineers, 2 Analytics, 2 MLE/MLOps.

Collaboration u00e9troite avec Produit, Growth et Engineering.

Contexte

Lu2019entreprise accu00e9lu00e8re la personnalisation et lu2019optimisation du cycle de vie client.

Vous prendrez en charge des cas du2019usage u00e0 fort ROI (recommandation, churn, LTV, pricing dynamique) avec passage en production rapide (cadencu00e9 par des objectifs TTM et impact).

Terrain de jeu : datasets riches, AB tests continus, tru00e8s forte exposition produit.

Missions (80% opu00e9rationnel, 20% cadrage)

n
• n

  Cadrer les problu00e8mes mu00e9tier (KPI, contraintes) avec Product/Growth ; formuler des hypothu00e8ses testables.

  n
n
• n

  Concevoir des features et modu00e8les (scikit-learn, XGBoost, PyTorch/TensorFlow) pour : reco, scoring, uplift, time series.

  n
n
• n

  Expu00e9rimenter (AB tests, causal inference de base), u00e9valuer (AUC, uplift, cou00fbt), itu00e9rer vite.

  n
n
• n

  Travailler avec les Data/ML Engineers pour industrialiser (MLflow, serving batch/temps ru00e9el, monitoring, alerting).

  n
n
• n

  Vulgariser, documenter, suivre en prod (drift, latence, adoption).

  n
n
• n

  Contribuer u00e0 la feuille de route Data Science et au partage de bonnes pratiques.

  n
n

Environnement technique

Python (pandas, NumPy, scikit-learn, XGBoost), PyTorch/TensorFlow u2022 SQL avancu00e9 u2022 Airflow/Prefect u2022 MLflow/W&B u2022 Spark/Databricks u2022 Snowflake/BigQuery u2022 dbt u2022 APIs temps ru00e9el u2022 Feature store u2022 AB testing (outil interne ou SAAS).
Bonus : NLP/GenAI (Transformers, RAG), outils du2019observabilitu00e9 (Evidently/Great Expectations).

Profil recherchu00e9

n
• n

  3u20136 ans du2019expu00e9rience en Data Science appliquu00e9e produit (e-commerce, marketplace, mobile app ou u00e9quivalent).

  n
n
• n

  Mau00eetrise modu00e9lisation + u00e9val + A/B testing ; sens business prononcu00e9.

  n
n
• n

  Solide niveau SQL + bonnes pratiques code (tests, versioning).

  n
n
• n

  Premiu00e8re expu00e9rience de mise en prod avec MLE/MLOps (vous nu2019u00eates pas MLE, mais vous savez travailler avec eux).

  n
n
• n

  Franu00e7ais et anglais professionnels, excellent storytelling data.

  n
n

Ru00e9munu00e9ration

n
• n

  Salaire fixe : 60u201375 ku20ac (selon senioritu00e9) + variable.

  n
n
• n

  Avantages : RTT, mutuelle premium, budget formation.

  n
n
• n

  Rythme : hybride (2 jours bureau / semaine, possibilitu00e9 d’un quota de TT, Paris intra-muros).

  n
n
• n

  Matu00e9riel : au choix (Mac/PC), environnements managu00e9s cloud.

  n
n

Processus de recrutement

n
1. n

   Call RH (30 min)

   n
n
2. n

   Entretien techniqueu00a0

   n
n
3. n

   Entretien Produit + stakeholders (collaboration, priorisation)

   n
n
4. n

   Rencontre Head of Data Science + ru00e9fu00e9rencessi en tu00eate de liste

   n
n

n
n

,tablet:

Factoriel, cabinet de recrutement IA, recherche pour son client un(e) Data Scientist .

Client : scale-up B2C en forte croissance (European footprint, >5M du2019utilisateurs), culture product-led.
u00c9quipe : Data (12 pers.) : Head of Data Science, 3 DS, 4 Data Engineers, 2 Analytics, 2 MLE/MLOps.

Collaboration u00e9troite avec Produit, Growth et Engineering.

Contexte

Lu2019entreprise accu00e9lu00e8re la personnalisation et lu2019optimisation du cycle de vie client.

Vous prendrez en charge des cas du2019usage u00e0 fort ROI (recommandation, churn, LTV, pricing dynamique) avec passage en production rapide (cadencu00e9 par des objectifs TTM et impact).

Terrain de jeu : datasets riches, AB tests continus, tru00e8s forte exposition produit.

Missions (80% opu00e9rationnel, 20% cadrage)

n
• n

  Cadrer les problu00e8mes mu00e9tier (KPI, contraintes) avec Product/Growth ; formuler des hypothu00e8ses testables.

  n
n
• n

  Concevoir des features et modu00e8les (scikit-learn, XGBoost, PyTorch/TensorFlow) pour : reco, scoring, uplift, time series.

  n
n
• n

  Expu00e9rimenter (AB tests, causal inference de base), u00e9valuer (AUC, uplift, cou00fbt), itu00e9rer vite.

  n
n
• n

  Travailler avec les Data/ML Engineers pour industrialiser (MLflow, serving batch/temps ru00e9el, monitoring, alerting).

  n
n
• n

  Vulgariser, documenter, suivre en prod (drift, latence, adoption).

  n
n
• n

  Contribuer u00e0 la feuille de route Data Science et au partage de bonnes pratiques.

  n
n

Environnement technique

Python (pandas, NumPy, scikit-learn, XGBoost), PyTorch/TensorFlow u2022 SQL avancu00e9 u2022 Airflow/Prefect u2022 MLflow/W&B u2022 Spark/Databricks u2022 Snowflake/BigQuery u2022 dbt u2022 APIs temps ru00e9el u2022 Feature store u2022 AB testing (outil interne ou SAAS).
Bonus : NLP/GenAI (Transformers, RAG), outils du2019observabilitu00e9 (Evidently/Great Expectations).

Profil recherchu00e9

n
• n

  3u20136 ans du2019expu00e9rience en Data Science appliquu00e9e produit (e-commerce, marketplace, mobile app ou u00e9quivalent).

  n
n
• n

  Mau00eetrise modu00e9lisation + u00e9val + A/B testing ; sens business prononcu00e9.

  n
n
• n

  Solide niveau SQL + bonnes pratiques code (tests, versioning).

  n
n
• n

  Premiu00e8re expu00e9rience de mise en prod avec MLE/MLOps (vous nu2019u00eates pas MLE, mais vous savez travailler avec eux).

  n
n
• n

  Franu00e7ais et anglais professionnels, excellent storytelling data.

  n
n

Ru00e9munu00e9ration

n
• n

  Salaire fixe : 60u201375 ku20ac (selon senioritu00e9) + variable.

  n
n
• n

  Avantages : RTT, mutuelle premium, budget formation.

  n
n
• n

  Rythme : hybride (2 jours bureau / semaine, possibilitu00e9 d'un quota de TT, Paris intra-muros).

  n
n
• n

  Matu00e9riel : au choix (Mac/PC), environnements managu00e9s cloud.

  n
n

Processus de recrutement

n
1. n

   Call RH (30 min)

   n
n
2. n

   Entretien technique

   n
n
3. n

   Entretien Produit + stakeholders (collaboration, priorisation)

   n
n
4. n

   Rencontre Head of Data Science + ru00e9fu00e9rencessi en tu00eate de liste

   n
n

n

Factoriel, cabinet de recrutement IA, recherche pour son client un(e) Data Scientist .

Client : scale-up B2C en forte croissance (European footprint, >5M du2019utilisateurs), culture product-led.
u00c9quipe : Data (12 pers.) : Head of Data Science, 3 DS, 4 Data Engineers, 2 Analytics, 2 MLE/MLOps.

Collaboration u00e9troite avec Produit, Growth et Engineering.

Contexte

Lu2019entreprise accu00e9lu00e8re la personnalisation et lu2019optimisation du cycle de vie client.

Vous prendrez en charge des cas du2019usage u00e0 fort ROI (recommandation, churn, LTV, pricing dynamique) avec passage en production rapide (cadencu00e9 par des objectifs TTM et impact).

Terrain de jeu : datasets riches, AB tests continus, tru00e8s forte exposition produit.

Missions (80% opu00e9rationnel, 20% cadrage)

n
• n

  Cadrer les problu00e8mes mu00e9tier (KPI, contraintes) avec Product/Growth ; formuler des hypothu00e8ses testables.

  n
n
• n

  Concevoir des features et modu00e8les (scikit-learn, XGBoost, PyTorch/TensorFlow) pour : reco, scoring, uplift, time series.

  n
n
• n

  Expu00e9rimenter (AB tests, causal inference de base), u00e9valuer (AUC, uplift, cou00fbt), itu00e9rer vite.

  n
n
• n

  Travailler avec les Data/ML Engineers pour industrialiser (MLflow, serving batch/temps ru00e9el, monitoring, alerting).

  n
n
• n

  Vulgariser, documenter, suivre en prod (drift, latence, adoption).

  n
n
• n

  Contribuer u00e0 la feuille de route Data Science et au partage de bonnes pratiques.

  n
n

Environnement technique

Python (pandas, NumPy, scikit-learn, XGBoost), PyTorch/TensorFlow u2022 SQL avancu00e9 u2022 Airflow/Prefect u2022 MLflow/W&B u2022 Spark/Databricks u2022 Snowflake/BigQuery u2022 dbt u2022 APIs temps ru00e9el u2022 Feature store u2022 AB testing (outil interne ou SAAS).
Bonus : NLP/GenAI (Transformers, RAG), outils du2019observabilitu00e9 (Evidently/Great Expectations).

Profil recherchu00e9

n
• n

  3u20136 ans du2019expu00e9rience en Data Science appliquu00e9e produit (e-commerce, marketplace, mobile app ou u00e9quivalent).

  n
n
• n

  Mau00eetrise modu00e9lisation + u00e9val + A/B testing ; sens business prononcu00e9.

  n
n
• n

  Solide niveau SQL + bonnes pratiques code (tests, versioning).

  n
n
• n

  Premiu00e8re expu00e9rience de mise en prod avec MLE/MLOps (vous nu2019u00eates pas MLE, mais vous savez travailler avec eux).

  n
n
• n

  Franu00e7ais et anglais professionnels, excellent storytelling data.

  n
n

Ru00e9munu00e9ration

n
• n

  Salaire fixe : 60u201375 ku20ac (selon senioritu00e9) + variable.

  n
n
• n

  Avantages : RTT, mutuelle premium, budget formation.

  n
n
• n

  Rythme : hybride (2 jours bureau / semaine, possibilitu00e9 d'un quota de TT, Paris intra-muros).

  n
n
• n

  Matu00e9riel : au choix (Mac/PC), environnements managu00e9s cloud.

  n
n

Processus de recrutement

n
1. n

   Call RH (30 min)

   n
n
2. n

   Entretien technique

   n
n
3. n

   Entretien Produit + stakeholders (collaboration, priorisation)

   n
n
4. n

   Rencontre Head of Data Science + ru00e9fu00e9rencessi en tu00eate de liste

   n
n

Factoriel, , recherche pour son client un(e) Data Scientist .

Client : scale-up B2C en forte croissance (>5M d’utilisateurs).
Équipe : Data (12 pers.) : Head of Data Science, 3 DS, 4 Data Engineers, 2 Analytics, 2 MLE/MLOps.

Collaboration étroite avec Produit, Growth et Engineering.

Contexte

L’entreprise accélère la personnalisation et l’optimisation du cycle de vie client.

Vous prendrez en charge des cas d’usage à fort ROI (recommandation, churn, LTV, pricing dynamique) avec passage en production rapide (cadencé par des objectifs TTM et impact).

Terrain de jeu : datasets riches, AB tests continus, très forte exposition produit.

Missions (80% opérationnel, 20% cadrage)

• 
  

  Cadrer les problèmes métier (KPI, contraintes) avec Product/Growth ; formuler des hypothèses testables.

  
  


• 
  

  Concevoir des features et modèles (scikit-learn, XGBoost, PyTorch/TensorFlow) pour : reco, scoring, uplift, time series.

  
  


• 
  

  Expérimenter (AB tests, causal inference de base), évaluer (AUC, uplift, coût), itérer vite.

  
  


• 
  

  Travailler avec les Data/ML Engineers pour industrialiser (MLflow, serving batch/temps réel, monitoring, alerting).

  
  


• 
  

  Vulgariser, documenter, suivre en prod (drift, latence, adoption).

  
  


• 
  

  Contribuer à la feuille de route Data Science et au partage de bonnes pratiques.

  
  

Environnement technique

Python (pandas, NumPy, scikit-learn, XGBoost), PyTorch/TensorFlow • SQL avancé • Airflow/Prefect • MLflow/W&B • Spark/Databricks • Snowflake/BigQuery • dbt • APIs temps réel • Feature store • AB testing (outil interne ou SAAS).
Bonus : NLP/GenAI (Transformers, RAG), outils d’observabilité (Evidently/Great Expectations).

Profil recherché

• 
  

  3–6 ans d’expérience en Data Science appliquée produit (e-commerce, marketplace, mobile app ou équivalent).

  
  


• 
  

  Maîtrise modélisation + éval + A/B testing ; sens business prononcé.

  
  


• 
  

  Solide niveau SQL + bonnes pratiques code (tests, versioning).

  
  


• 
  

  Première expérience de mise en prod avec MLE/MLOps (vous n’êtes pas MLE, mais vous savez travailler avec eux).

  
  


• 
  

  Français et anglais professionnels, excellent storytelling data.

  
  

Rémunération

• 
  

  Salaire fixe : 60–75 k€ (selon seniorité) + variable.

  
  


• 
  

  Avantages : RTT, mutuelle premium, budget formation.

  
  


• 
  

  Rythme : hybride (2 jours bureau / semaine, possibilité d’un quota de TT, Paris intra-muros).

  
  


• 
  

  Matériel : au choix (Mac/PC), environnements managés cloud.

  
  

Processus de recrutement

1. 
   

   Call RH (30 min)

   
   


2. 
   

   Entretien technique 

   
   


3. 
   

   Entretien Produit + stakeholders (collaboration, priorisation)

   
   


4. 
   

   Rencontre Head of Data Science + référencessi en tête de liste