Lead Data Scientist; H​/F

Job description in French (English version at the bottom)

Lead Data Scientist

Localisation prioritaire :
Paris, France

Lexis Nexis Risk Solutions est un leader mondial dans le domaine de la technologie et de l’analyse de données, s’attaquant à certains des défis les plus complexes et les plus significatifs au monde — de la lutte contre la cybercriminalité à la création d’expériences fluides pour les utilisateurs légitimes.

En tant que Lead data Scientist
, vous jouerez un rôle clé dans la définition de l’avenir de nos capacités d’intelligence artificielle à travers plusieurs produits de notre portefeuille Fraude, Identité et Conformité en matière de criminalité financière
. Vous participerez à l’idéation, la recherche, la modélisation et la mise en œuvre de nouvelles fonctionnalités basées sur l’IA — avec un fort accent sur les modèles de langage (LLM), l’
IA générative et le Machine Learning traditionnel.

Votre travail aura un impact direct sur des millions de vérifications d’identité et de décisions de prévention de la fraude chaque jour, aidant les organisations du monde entier à opérer en toute sécurité et efficacement. Vous contribuerez également à la stratégie IA à long terme de l’entreprise et jouerez un rôle important au sein des équipes de data science.

Travaillant au sein d’une organisation mondiale, vous collaborerez étroitement avec les ingénieurs et les services professionnels, tout en restant à l’écoute des retours clients et des priorités business. Un esprit orienté business
, une communication proactive et une capacité à stimuler l’innovation entre les équipes la réussite dans ce poste. Vous travaillerez principalement selon un horaire européen, tout en collaborant fréquemment avec des collègues situés dans plusieurs fuseaux horaires et en voyageant lorsque nécessaire.

• Contribuer à la recherche, le prototypage et la mise en production de nouvelles fonctionnalités d’IA et de ML à travers notre portefeuille de produits.
• Collaborer avec les Product Managers et les équipes d’ingénierie pour concevoir et livrer des améliorations significatives.
• Comprendre en profondeur les produits et les actifs existants afin d’identifier des opportunités d’amélioration grâce à l’IA.
• Concevoir et réaliser des expériences pour valider de nouvelles idées de recherche et évaluer les performances des modèles.
• Entraîner, fine-tuner et optimiser des modèles LLM et ML sur des données structurées et non structurées issues d’API et de workflow clients.
• Développer des stratégies pour l’inférence de modèles en temps réel et leur déploiement à grande échelle.
• Collaborer avec des prestataires externes pour la collecte, l’annotation et la recherche de données.
• Travailler avec les clients et les équipes régionales de services professionnels pour comprendre l’évolution des schémas de fraude et intégrer ces enseignements dans le développement produit.
• Accompagner d’autres Data Scientists, favorisant l’excellence technique et l’innovation au sein de l’organisation.

• Master ou Doctorat en Informatique
  , Intelligence Artificielle
  , Mathématiques appliquées
  , ou dans un domaine connexe.
• Un diplôme d’une Grande École d’ingénieurs ou d’une Université avec un cursus fortement quantitatif est fortement apprécié.

• 4 ans ou plus d’expérience dans la conception, l’entraînement et l’évaluation de modèles de Deep Learning et de Machine Learning avec des outils tels que Py Torch ,
  Tensor Flow
  , scikit-learn
  , Hugging Face ou Lang Chain
  .
• Une expérience dans une start-up ou au sein d’une équipe interfonctionnelle est un plus.
• Une expérience en Natural Language Processing (NLP) est un plus.
• Excellentes compétences en programmation Python
  , incluant le traitement, l’analyse et la visualisation de données.
• Solide expérience avec SQL et les requêtes de bases de données pour l’exploration et la préparation des données.
• Familiarité avec les plates-formes cloud (AWS, Azure, …) et les outils data modernes (Snowflake, Databricks, …).
• Capacité démontrée à résoudre des problèmes ambigus, à développer des stratégies fondées sur les données et à définir des critères de succès mesurables.
• Une connaissance des…