Ingénieur Data Science F/H – Analyse causale - Rennes - Externatic

Description

L'entreprise et le contexte :
Nous accompagnons une entité dédiée à l'innovation et à la transformation industrielle d'un grand groupe coopératif français, fortement ancré dans son territoire, qui accélère aujourd'hui le déploiement de solutions Industrie 4.0 et IA appliquée au terrain.

Vous rejoignez un environnement où la data crée un impact concret sur le terrain : aider les éleveurs à mieux décider, anticiper les risques, comprendre les causes profondes des écarts de performance et transmettre l'expertise aux nouvelles générations.
Le poste s'inscrit dans une démarche ambitieuse de jumeau numérique d'élevage, mêlant innovation, responsabilité sociétale et science appliquée.

Le poste :
En tant qu'Ingénieur·e Data Science, vous rejoignez une Factory dédiée à l'IA et au Machine Learning, et vous prenez en charge l'ensemble de la chaîne de valeur data, de l'exploration à l'intégration produit. Vous prendrez part à une vraie démarche de transformation numérique, et vous construirez des outils qui auront un réel impact sur l'activité terrain de plusieurs milliers d'agriculteurs et d'éleveurs locaux.

Vos missions principales :

• Exploiter des données historiques et longitudinales issues d'un logiciel métier et d'un data lake,
• Analyser l'évolution des performances d'exploitations dans le temps (production, santé, reproduction, rentabilité),
• Détecter et prédire les baisses de performance, en intégrant des variables retardées et des facteurs cumulés,
• Identifier les déterminants causaux (et non uniquement corrélatifs) grâce à des approches d'inférence causale,
• Comparer les trajectoires inter-exploitations afin de faire émerger des références de bonnes pratiques transférables,
• Concevoir des modèles exploitables et explicables pour alimenter des outils d'aide à la décision à destination des éleveurs et des conseillers,
• Travailler en lien étroit avec des profils pluridisciplinaires (data scientists, ingénieurs logiciels, agronomes, PO, MLOps), etc.