Lead Data Scientist (H/F)

UpClear; Paris; Hybrid; EUR 110,000 - 150,000; Full time

Benefits offered by this job

Mutuelle+

Prévoyance+

RTT

Job summary

UpClear recrute un Lead Data Scientist à Paris pour prendre en main l’ensemble des sujets data science et construire l'équipe qui les fera grandir. Vous éditerez BluePlanner, la plateforme de Trade Promotion Management et de Revenue Growth Management destinée aux industriels FMCG.

Vous prendrez en main les modèles existants, les industrialiserez et intégrerez l’IA via LLM (Azure OpenAI, RAG) tout en collaborant étroitement avec les équipes produit, développement et clients pour démontrer de la

Qualifications

• Plus de 6 ans en data science ou ML avec modèles en production.
• Bac+5 ou doctorat en statistiques, mathématiques appliquées, économétrie, informatique ou domaine proche.
• Maîtrise des régressions, séries temporelles et raisonnement causal.
• Expérience avec modèles bayésiens et/ou PyMC/Stan; capacité à s’y mettre rapidement.
• Python production: pandas/Polars, scikit-learn; tests et packaging.
• SQL et Spark pour données à grande échelle.
• LLM: prompting, tool calling, RAG et évaluation.
• Leadership: encadrement de data scientists et définition d'une feuille de route métier.
• Bonne communication: expliquer les modèles à un public non technique.
• Français et anglais courants; l'anglais est langue de travail.

Responsibilities

• Prendre en main et améliorer les modèles RGM et uplift pour les clients.
• Industrialiser l’entraînement et le rafraîchissement, mettre en place back-testing et monitoring.
• Travailler avec les données panel retail et données clients (SKU) sur Microsoft Fabric.
• Intégrer l’IA: développer des fonctionnalités LLM et RAG, et évaluer les résultats.
• Définir la feuille de route data avec le produit et la direction, démontrer la valeur client.
• Écrire du Python de production, reviewer le code et maintenir l’exigence technique.

Skills

Data science en production

Bac+5 ou Doctorat

Régression & séries

Modèles bayésiens

Python production

SQL & Spark

LLM & RAG

Leadership

Communication commerciale

Anglais courant

Education

Master ou Doctorat en statistiques

Tools

Azure ML

Microsoft Fabric

Job description

UpClear propose une plateforme SaaS de gestion des revenus utilisée par certaines des marques de biens de consommation les plus reconnues au monde.
Notre système prend en charge la gestion des promotions commerciales, l’optimisation des promotions commerciales, la planification commerciale intégrée et la gestion des revenus.

Nous accompagnons plus de 80 marques réparties dans plus de 30 pays. Notre croissance est à la fois importante et régulière : nous avons figuré pendant neuf années consécutives sur la liste Inc. 5000 des entreprises privées à la croissance la plus rapide.

Le siège mondial d’UpClear est situé à New York, et nous disposons de bureaux satellites à Londres, Paris et Singapour.

Le poste

UpClear recrute un ou une Lead Data Scientist à Paris pour prendre en main l'ensemble de nos sujets data science et construire l'équipe qui les fera grandir. Nous éditons BluePlanner, la plateforme de Trade Promotion Management et de Revenue Growth Management qu'utilisent les industriels des biens de grande consommation pour planifier leurs promotions, piloter leurs dépenses commerciales et gérer les déductions des distributeurs.

Responsabilités

• Prendre en main les modèles. Reprendre et améliorer les modèles de RGM Labs : décomposition des ventes, prévision du baseline, uplift promotionnel et élasticité-prix, ainsi que les simulations (what-if) qui s'appuient dessus.
• Les industrialiser. Automatiser l'entraînement et le rafraîchissement pour chaque client, mettre en place back-testing et monitoring, rendre les résultats reproductibles et explicables.
• Maîtriser les données. Travailler avec les données panel retail (Circana, Nielsen) et les données de ventes clients sur Microsoft Fabric, y compris notre rapprochement assisté par LLM entre produits distributeurs et références (SKU) clients.
• Intégrer l'IA dans nos produits. Concevoir des fonctionnalités et des assistants à base de LLM (Azure OpenAI, tool calling, RAG) avec des garde-fous clairs : les chiffres viennent toujours des modèles.
• Définir la feuille de route. Avec le produit et la direction, choisir les projets data science à lancer, les dimensionner et démontrer leur valeur aux clients.
• Rester opérationnel. Écrire du Python de production, relire le code et les modèles de l'équipe, et maintenir un haut niveau d'exigence.

Travailler avec les clients. Expliquer les résultats des modèles aux équipes Revenue Management et commerciales, et accompagner l'équipe commerciale lors des démos et des pilotes.

Construction de l'équipe

Vous démarrez comme data scientist senior et devenez responsable d'une équipe data science et IA.

Recruter. Définir les profils, mener les entretiens et réaliser les premiers recrutements, à commencer par un ou une data scientist qui vous rejoint.

Accompagner. Faire monter en compétence les profils juniors sur la modélisation, la qualité du code et la relation client.

Fixer les standards. Mettre en place les pratiques de l'équipe : revue de code, suivi des expériences, validation des modèles, documentation et passation.

Faire grandir l'équipe au rythme des projets IA et data science, en justifiant chaque nouveau recrutement.

Vous faites partie de l'équipe Data et travaillez avec le produit, le développement et les équipes en contact avec les clients.

Compétencesrequises

Nous cherchons un praticien ou une praticienne expérimentée qui a mis en production des modèles utilisés au quotidien, et qui a envie de construire une équipe.

• 6 ans ou plus en data science ou machine learning, avec des modèles en production utilisés par des métiers ou des clients.
• Bac+5 ou doctorat en statistiques, mathématiques appliquées, économétrie, informatique ou domaine proche.
• Statistiques : solide maîtrise de la régression, des séries temporelles et du raisonnement causal. Vous savez expliquer baseline, uplift et élasticité, et le degré de certitude du modèle sur chacun.
• Modèles bayésiens et hiérarchiques : pratique de PyMC, Stan ou équivalent, ou capacité à vous y mettre rapidement.
• Python : code de qualité production avec pandas ou Polars, scikit-learn et statsmodels, tests, packaging et revue de code compris.
• ML en production : vous avez automatisé des pipelines d'entraînement et de scoring, versionné des modèles et suivi leur comportement après mise en production, idéalement sur Azure.
• LLM : vous avez construit des fonctionnalités LLM au-delà de la démo : prompting, tool calling, RAG et évaluation.
• Données à grande échelle : SQL et Spark.
• Leadership : vous avez encadré ou accompagné des data scientists et priorisé une feuille de route selon la valeur métier.
• Communication : vous savez expliquer un modèle à un public commercial, et dire non quand les données ne soutiennent pas une demande.
• Langues : français et anglais courants ; l'anglais est notre langue de travail avec les clients.

Competences supplementaires appréciées

• Biens de grande consommation et retail : Revenue Growth Management, efficacité promotionnelle, pricing, ou données panel (Circana, Nielsen, sorties caisse distributeurs).
• Marketing mix modelling, notamment bayésien.
• Optimisation : programmation linéaire ou en nombres entiers, par exemple pour recommander des plans promotionnels sous contrainte de budget.
• Plateformes : Microsoft Fabric, Databricks, Azure Machine Learning ou MLflow.
• SaaS multi-clients : faire tourner un même modèle pour des dizaines de clients, chacun avec ses propres données.
• Document AI : extraction de données depuis des factures, des réclamations ou d'autres documents métier.
• Ingénierie produit : assez d'expérience FastAPI ou web pour exposer un modèle via une API.

Les employés d'UpClear ont accés à des avantages, incluant :

• L’opportunité de rejoindre une entreprise SaaS internationale en pleine croissance, présente sur tous les grands marchés FMCG.
• Une exposition aux technologies cloud les plus récentes et la participation à l’évolution globale du produit.
• Un environnement collaboratif et multiculturel, en interaction étroite avec les équipes de Londres, Paris, New York et Singapour.
• Un modèle de travail hybride, combinant présence au bureau et flexibilité à distance.
• Un package de rémunération compétitif, en fonction de l’expérience.
• Mutuelle+
• Prévoyance+
• RTT