Real success is the success you share

Premier opérateur aéroportuaire privé au monde, VINCI Airports gère plus de 70 aéroports dans 14 pays en Europe, en Asie et sur le continent américain. Grâce à son expertise d’intégrateur global, VINCI Airports développe, finance, construit et exploite les aéroports en apportant sa capacité d’investissement et son savoir-faire dans l’optimisation de la performance opérationnelle, la modernisation des infrastructures et la conduite de leur transition environnementale.

Nous recherchons un(e) Lead Data Scientist (F/M) pour renforcer notre équipe.

Cœur de métier :

• Développer et améliorer les algorithmes de machine learning pour le forecasting court et long terme en utilisant une grande variété de modèles ML adaptés au forecasting temporel
• Assurer le suivi et la performance des modèles en production, garantir leur robustesse et détecter les dérives
• Contribuer au développement des outils d'IA générative transverses : concevoir et faire évoluer les solutions de chatbot, recherche et analyse documentaires, plateforme agentique
• Participer aux projets de spécialisation métier et d'automatisation : concevoir des architectures RAG, orchestrer des agents, intégrer des LLM dans les workflows opérationnels via des plateformes agentiques
• Intégrer les modèles dans les environnements techniques du Smart Data Hub, gérer les pipelines d'entraînement associés et contribuer aux pratiques MLOps/LLMOps
• Travailler avec les métiers pour assurer l'interprétabilité des outils, leur intégration dans les processus décisionnels et leur bonne appropriation
• Soutenir l'adoption des solutions en accompagnant, formant et en communicant auprès des utilisateurs non techniques
  

Dimension Lead :

• Être le référent technique sur les sujets GenAI/forecasting : proposer les choix d'architecture, challenger les approches, garantir la robustesse et la scalabilité des solutions
• Structurer et diffuser les bonnes pratiques de développement ML/LLMOps au sein de l'équipe (revue de code, standards de pipeline, documentation)
• Accompagner la montée en compétence des membres juniors de l'équipe sur les sujets techniques (pairing, revues de code, partage de retours d'expérience)
• Être un point de contact privilégié entre l'équipe Data Science et les autres équipes techniques pour sécuriser les intégrations
• Contribuer à la définition des priorités techniques et à l'amélioration continue des pratiques de l'équipe
• Travailler étroitement avec le Head of Data pour structurer une feuille de route clair et précise.

Profil :

• Diplômé(e) d'une école d'ingénieur ou d'une formation universitaire, avec une spécialisation ou un intérêt marqué pour les statistiques, le machine learning ou les mathématiques appliquées
• 2 à 4 ans d'expérience en Data Science, avec une pratique confirmée de la mise en production, idéalement complétée par une exposition aux technologies d'IA générative (LLM, Agent, RAG)
• Une première expérience de structuration technique ou de rôle de référent sur un sujet (pas nécessairement de management d'équipe formel)
• Bases scientifiques solides, capacité à comprendre, adapter et expliquer des modèles avancés
• Forte appétence pour la compréhension des enjeux métiers et capacité à traduire des besoins opérationnels en solutions techniques pertinentes
• À l'aise avec Python, aussi bien pour l'analyse de données et la construction de pipelines ML modulaires que pour le développement de backend applicatif
• Appétence pour la prise de responsabilité technique et l'envie de faire progresser une équipe, plus qu'un track record de manager confirmé
• Autonome, rigoureux(se), curieux(se), et motivé(e) par la résolution de sujets complexes
• Bon communicant, capable de travailler avec des profils variés et de vulgariser des sujets techniques
  

Compétences souhaitées :

• Connaissances mathématiques, en statistiques ou dans un domaine connexe
• Expérience en analyse de données et modélisation (Time series, Tabulaire, Stats)
• Code structuré et maintenable, conception de pipelines d'entraînement et d'inférence (Kubeflow, Pandas)
• Construction d'API et développement backend (FastAPI, Flask)
• Maîtrise des pipelines de données et sensibilité aux problématiques MLOps/LLMOps (versionning, monitoring, CI/CD)
• Capacité à structurer des bonnes pratiques techniques et à les faire adopter par une équipe
• Aisance naturelle pour transmettre et accompagner des profils plus juniors
• Maîtrise de l'anglais : capacité à mener des discussions techniques approfondies et à présenter des résultats/enjeux business de manière claire auprès d'interlocuteurs métiers internationaux
• Capacité à travailler en équipe et à communiquer efficacement avec les parties prenantes du projet
• Capacité à travailler dans un environnement technologique en constante évolution et à s'adapter rapidement aux changements
• Une connaissance du secteur aéroportuaire serait un plus