Trouvez votre prochaine mission ou futur job IT.

Expertise en gestion de projet, allant des petites initiatives aux programmes complexes (méthodes Cycle en V et AGILE - SCRUM). Gestion de budgets élaboration et suivi des engagements auprès de divers métiers. Capacité à animer des comités de pilotage avec des clients non spécialisés en systèmes d'information, en tenant compte des enjeux et exigences élevés. Identification et recrutement des membres de l’équipe projet. Gestion des appels d’offres et évaluation des propositions. Maîtrise de la planification (MS Project) Compétences solides en gestion des risques : identification, traitement et suivi. Connaissance des enjeux techniques en systèmes d'information et technologies, incluant plusieurs technologies et architectures. Aptitude à gérer des projets d’implémentation d’infrastructures ou d’applications. Sensibilité aux enjeux de cybersécurité et de propriété intellectuelle. Capacité à coordonner divers acteurs (opérateurs, intégrateurs, fournisseurs) autour d’un objectif commun. Rigueur, organisation et méthode. Excellentes compétences relationnelles et esprit d’équipe. Capacité à évoluer dans des environnements complexes et à gérer des relations clients exigeantes. Autonomie et sens de l’initiative. Approche pragmatique et opérationnelle, avec un engagement dans un contexte industriel exigeant.

PAS DE SOUS-TRAITANCE // MERCI Nous recherchons un Data Scientist pour renforcer une équipe Data & Innovation dans le cadre d’un projet. Le rôle implique la collaboration avec l’équipe technique et les ingénieurs Data pour développer et mettre en production des modèles prédictifs et explicables. Une XP en startup est fortement appréciable Les principales missions incluent : • Analyse de données énergétiques enrichies (tarifs de l’énergie, données météo, intensité carbone, travaux d’efficacité énergétique, etc.) pour identifier des insights métiers pertinents. • Proposer, construire et implémenter de nouvelles analyses basées sur les besoins des clients internes et externes. • Documenter les recherches et les modèles développés. • Appliquer des algorithmes de Machine Learning adaptés (régressions, arbres de décision, random forest, XGboost, etc.) à des données structurées et semi-structurées. • Participer à l’amélioration continue des modèles en termes de performance et d’explicabilité. • Collaborer avec les ingénieurs pour intégrer les modèles dans les applications. • Mettre en place des systèmes de détection d’anomalies et des alertes en temps réel.