Data Scientist / AI Engineer

Rejoignez Wivoo, une entreprise innovante spécialisée dans l'IA et la data. En tant que Data Scientist / AI Engineer, vous serez au cœur de la création et de l'industrialisation de systèmes IA, en contact direct avec le métier et les utilisateurs réels. Vous travaillerez sur des projets concrets dans divers secteurs, tels que l'hôtellerie, la logistique, la banque et l'assurance. Vous aurez l'opportunité de poser les fondations de l'IA chez Wivoo, de bénéficier d'un accompagnement 360° sur l'impact business et le product management, et d'accéder aux expertises Wavestone.

• Cadrer le besoin métier, valider la disponibilité et la qualité des données, choisir l'approche et l'architecture adaptées.
• Concevoir, industrialiser et déployer des systèmes d'intelligence artificielle en production, en assurant leur robustesse et leur qualité.
• Définir les métriques de qualité d'output, suivre les performances en production, arbitrer coût / latence / qualité.
• 4 à 8 ans d'expérience (idéalement 5+) en conception de solutions data/IA, avec au moins un système que vous avez mené jusqu'en production et qui a tourné avec de vrais utilisateurs (critère central, vérifié en entretien).
• Python expert et vraie culture d'ingénierie logicielle : APIs (FastAPI, REST), programmation asynchrone, Git, Docker, CI/CD.
• Maîtrise du ML appliqué et de l'IA générative, avec une dominante claire (GenAI *ou* ML/DS) et de la curiosité pour l'autre.
• Expérience MLOps et cloud : industrialisation de workflows IA, déploiement sur AWS (ou GCP/Azure), pipelines de données (SQL, idéalement NoSQL).
• Adaptabilité technique : capable de monter vite sur une stack imposée par le contexte (fournisseur de modèles, plateforme interne) plutôt qu'attaché à une seule techno.
• Appétence business affirmée : vous reliez naturellement la technique à une valeur métier et savez l'expliquer simplement.
• Bilingue français / anglais.
• Formation supérieure quantitative (stats, maths appliquées, informatique, école d'ingénieur ou équivalent).
• Stack technique

• Python (FastAPI, async), frameworks d'agents et APIs LLM, RAG et bases vectorielles, SQL/NoSQL, cloud AWS, Git, Docker, CI/CD, MLOps (Airflow, MLflow).
• *Selon les missions, vous pouvez être amené à travailler sur des stacks LLM variées (fournisseurs de modèles, plateformes internes client).*