Description
Conseiller ICT – Data Scientist – ML Engineer
Police Fédérale – Direction Générale Judiciaire
Environnement de travail
La Police Judiciaire Fédérale est une police spécialisée, principalement chargée de la lutte contre la criminalité organisée, sous toutes ses formes. Elle constitue l’une des trois directions générales de la police fédérale et concentre les dossiers d’enquêtes relatifs à des domaines tels que la cybercriminalité, le terrorisme, le grand banditisme, le trafic de drogue, et bien d’autres encore. Elle fournit un appui et une expertise à l’ensemble de la police intégrée, ainsi qu’à ses partenaires nationaux et internationaux.
Au sein de cette direction, se trouvent les ressources opérationnelles affectées aux opérations de police judiciaire, à la lutte contre la criminalité grave et organisée, aux unités spéciales, ainsi qu’aux opérations de police technique et scientifique.
Description de la fonction
En tant que data scientist, vous participerez directement à la conception et au développement des solutions en IA et Data Science destinées à répondre aux besoins opérationnels et tactiques de la police judiciaire. Vous serez responsable de l’élaboration des pipelines de machine learning, ainsi que de leur monitoring et de leur maintenance. Vous serez également responsable de la mise en production de modèles AI pour l’organisation avec des déploiements majoritairement on-premise, Vous veillerez à la mise en œuvre des meilleurs standards en programmation et en machine learning au sein de vos
projets. Vous effectuerez une veille technologique afin de vous maintenir à jours par rapport aux dernières évolutions dans les domaines du MLOps et du machine learning.
Une attention pour l’aspect sécurité, éthique et légal est un plus apprécié.
Profil Recherché
Vous êtes titulaire d’un master ou un doctorat en informatique, AI ou équivalent et pouvez justifier d’un minimum de 3 ans d’expérience dans les domaines de la data science, MLOps et ML
Vous disposez d’une expertise dans les domaines suivants :
- On-premise and cloud development : Expertise dans le développement et le déploiement
de solutions IA on-premise et sur le cloud (Azure, AWS, GCP). - 3+ années d’expériences dans l’industrie : Vous disposez de 3+ années d’expérience dans
le monde du ML, MLOps et big data avec un focus sur le déploiement large-scale. - Background théorique et expertise pratique : dans le domaine du ML et du deep learning.
- Database Paradigm (SQL & NoSQL) : Connaissances poussées en DB relationnelles et
non relationnelle (SQL et NoSQL) notamment PostGres, Mysql, Milvus, Neo4J, … - ML MLOps : Expérience démontrable dans le déploiement de modèles ML et expertise en
MLOps. - Focus big data : expérience dans l’exploitation de larges jeux de données structurées et
non structurées. - Containerisation et déploiement : Expérience avec Docker et Kubernetes ainsi qu’avec
des outils d’orchestrations comme Kubeflow. Maitrise de pipelines ML (Kubeflow, MLflow,
SageMaker,..) - CI/CD pour ML : Maîtrise de l’implémentation de CI/CD pour les modèles ML et le code
associé. - Data Storage : Expérience avec différentes solutions pour le stockage de données (data
lakes, dataware house, object storage (S3)) - System architecture : Capacité à désigner un système ML end-to-end en tenant compte
de contraintes de scalabilité, robustesse, maintenance et hardware.
Hard Skill
Databases: MySQL, PostgreSQL, Neo4j, Milvus
AI Framework: huggingface, mlflow, PyTorch, tensorflow, sklearn, OpenCV, vllm
Programming Langages : Python (R est un plus)
Orchestration et containerisation: Docker, Kubernetes, Kubeflow
Software engineering : uv, ruff, black
Cloud Platforms : Azure, AWS
Versioning (code et modèles) : MlFlow, Git, Github, Gitlab
Langues
Connaissance des langues : Vous maitrisez au minimum l’anglais ainsi que l’une des deux
langues nationales (NL/FR).
Soft Skills
Capacité à fédérer : Savoir aligner des profils hétérogènes autour d’un objectif commun.
Sens des priorités : Identifier les tâches critiques pour atteindre les objectifs, garder une
vision à long terme pour anticiper les prochaines étapes, et réorganiser le travail en
fonction des imprévus ou des éléments nouveaux qui se présentent au fil du projet.
Communication claire et spontanée : Communiquer de manière fluide, transmettre le bon
message, au bon moment et au bon niveau. Être capable d’expliquer des concepts
techniques à des non-techniciens.
Problem solving et réflexion analytique : Aborder les problèmes de manière structurée,
identifier les causes profondes et proposer des solutions pragmatiques et efficaces. Être
capable de prendre du recul pour évaluer plusieurs scénarios et choisir la solution la plus
adaptée au contexte.
Collaboration : Travailler de manière constructive avec l’ensemble des parties prenantes,
favoriser les échanges et la co-construction des solutions. Être à l’écoute des besoins et
des contraintes de chacun pour favoriser un climat de travail positif et productif.
Sens du détail : Prêter attention aux aspects techniques, fonctionnels et organisationnels
des projets. Veiller à la qualité du code, à la robustesse des modèles, à la conformité des
livrables et au respect des standards de l’organisation.
Rigueur : Appliquer systématiquement les bonnes pratiques et méthodologies,
documenter les travaux de manière précise, et assurer un suivi constant de l’avancement
des projets dans le respect des échéances et des exigences de qualité
