Opportunité

À Valtech, vous trouverez un environnement propice à l’apprentissage continu, à l’impact concret et à la croissance professionnelle. Que vous développiez de nouvelles solutions digitales, remettiez en question les idées reçues ou construisiez la prochaine génération d’expériences client, votre travail contribuera à transformer les secteurs d'activité.

Nous sommes fiers de:

La maîtrise de l'anglais est requise, car le rôle implique des communications régulières avec des clients et des collègues situés à l'extérieur du Québec.

Rôle

Le scientifique principal des données en IA est un poste de contributeur individuel senior au sein de l’équipe Science des données, IA et IA agentique. Cette personne est responsable de diriger des initiatives complexes en analytique, en modélisation prédictive et en IA appliquée. Elle travaille avec un haut degré d’autonomie et agit comme conseiller(ère) de confiance en matière de science des données et de stratégie en intelligence artificielle.

Ce rôle consiste à concevoir et à mettre en œuvre des solutions avancées de modélisation, d’expérimentation et d’IA appliquée afin de résoudre des problématiques d’affaires à forte valeur ajoutée. Le scientifique principal des données en IA transforme des besoins d’affaires parfois ambigus en approches analytiques structurées, en conceptions de modèles, en cadres d’évaluation et en recommandations concrètes. Il ou elle collabore étroitement avec des équipes multidisciplinaires et des parties prenantes afin de garantir que les solutions analytiques et fondées sur l’IA soient à la fois solides sur le plan technique et porteuses de résultats concrets.

À ce niveau, le poste exige une solide expertise quantitative, une maîtrise approfondie de la modélisation, des pratiques rigoureuses en matière d’expérimentation ainsi qu’une utilisation réfléchie des méthodes d’intelligence artificielle. Le scientifique principal des données en IA contribue à orienter les approches analytiques, améliore la qualité des livrables grâce à l’adoption de pratiques exemplaires et d’approches réutilisables, et renforce l’efficacité globale des initiatives en science des données dans l’ensemble des mandats.

Responsabilités du poste

Diriger des initiatives complexes en analytique, en statistique, en apprentissage automatique (machine learning) et en IA appliquée dans plusieurs secteurs d’activité, cas d’usage ou groupes de parties prenantes.
Définir des approches en science des données qui harmonisent les enjeux d’affaires, les possibilités de modélisation, les méthodes d’évaluation et les résultats mesurables.
Traduire des besoins d’affaires et des attentes de parties prenantes parfois ambigus en stratégies analytiques structurées, conceptions de modèles, hypothèses, approches d’ingénierie des variables (feature engineering), plans de validation et recommandations concrètes.
Diriger la conception et la mise en œuvre de modèles et d’analyses pour des cas d’usage tels que la segmentation, les prévisions, la modélisation de propension, la détection d’anomalies, l’analyse d’expérimentations, les analyses orientées vers les recommandations et l’aide à la décision.
Orienter l’utilisation de données structurées, semi-structurées et, lorsque pertinent, non structurées afin de générer des connaissances et de développer des solutions adaptées aux besoins d’affaires.
Assumer la responsabilité du développement dans des carnets d’analyse (notebooks), des flux de travail reproductibles et des actifs analytiques dans Databricks et d’autres environnements infonuagiques.
Mettre en œuvre des méthodes d’apprentissage automatique et d’intelligence artificielle pour des cas d’usage tels que la classification, la notation (scoring), la synthèse de contenu, la détection de tendances, la génération de variables et l’amélioration des processus d’affaires.
Évaluer et intégrer des flux de travail reposant sur les grands modèles de langage (LLM) ou des outils d’IA lorsque ceux-ci renforcent l’analyse, la production d’informations exploitables, l’aide à la décision ou la productivité analytique, tout en préservant la rigueur statistique, la reproductibilité et la responsabilité humaine.
Établir et promouvoir les pratiques exemplaires en matière de choix méthodologiques, d’évaluation des modèles, de conception d’expérimentations, de qualité de la documentation et de reproductibilité.
Transformer les résultats de modélisation, les constats analytiques et les résultats issus de l’IA appliquée en conclusions d’affaires claires et en recommandations concrètes.
Agir à titre de partenaire principal auprès des clients et des parties prenantes internes en les conseillant sur les compromis analytiques, la pertinence des modèles, la rigueur des évaluations et l’orientation des solutions.
Réviser les principaux livrables analytiques et de modélisation afin d’en assurer la clarté, la rigueur, la qualité, la cohérence et la valeur d’affaires, tout en contribuant à rehausser les standards grâce à des approches réutilisables et à de meilleures pratiques de livraison.
Collaborer avec les scientifiques en IA, les ingénieurs en IA, les ingénieurs en analytique, les ingénieurs de données et les architectes afin d’aligner les solutions sur les besoins d’affaires, les réalités des données, les contraintes des plateformes et les architectures techniques.
Accompagner les professionnels de niveau junior et intermédiaire par du mentorat technique, la révision de leur travail et le partage des pratiques exemplaires, sans responsabilité officielle de gestion du personnel.
Améliorer les pratiques de livraison en science des données en repérant des occasions d’optimiser les flux de travail, de renforcer les méthodes d’évaluation, de produire une documentation plus claire, de rendre les carnets d’analyse plus évolutifs et de développer des actifs analytiques réutilisables.
Respecter les politiques et les normes établies en matière de gouvernance, de protection des renseignements personnels ainsi que d’utilisation responsable des données et de l’intelligence artificielle dans le cadre des activités quotidiennes.

Compétences clés

Excellente maîtrise des statistiques, des probabilités, de l’apprentissage automatique (machine learning), de l’expérimentation et de la résolution de problèmes analytiques.
Solide capacité à définir des approches en science des données et des stratégies de modélisation dans des environnements d’affaires complexes.
Excellentes aptitudes en leadership d’équipe, notamment en matière d’accompagnement, de rétroaction, de priorisation du travail et de soutien au développement des membres de l’équipe.
Solide compréhension de l’apprentissage supervisé et non supervisé, de l’ingénierie des variables (feature engineering), de l’évaluation des modèles, de la conception d’expérimentations et de l’analyse des erreurs.
Solide capacité à travailler avec des données structurées, semi-structurées et, lorsque pertinent, non structurées.
Bonne maîtrise des méthodes d’IA appliquée, notamment des flux de travail exploitant les grands modèles de langage (LLM), de l’analyse de texte, de l’extraction de variables assistée par l’IA, de la synthèse de contenu et de la classification.
Bonne connaissance du développement à l’aide de carnets d’analyse (notebooks) et des pratiques collaboratives en science des données, notamment dans Databricks et des processus d’expérimentation appuyés par MLflow.
Capacité à évaluer dans quels contextes l’IA appliquée apporte une valeur ajoutée et dans quels cas les approches statistiques ou d’apprentissage automatique traditionnelles sont mieux adaptées.
Excellentes aptitudes en gestion des parties prenantes et capacité à communiquer clairement avec des publics techniques et non techniques.
Capacité à concilier la qualité des livrables, la charge de travail de l’équipe, les priorités d’affaires et les attentes des parties prenantes dans la gestion simultanée de plusieurs initiatives.
Excellentes aptitudes en communication écrite et orale en anglais, avec aisance dans les interactions avec les clients et les membres de la haute direction.
Capacité à collaborer efficacement au sein d’équipes réparties à travers les Amériques et avec des équipes multidisciplinaires.

Attentes en matière de maîtrise de l'IA et de science des données assistée par l'IA

Adopte activement les méthodes de travail approuvées intégrant l’intelligence artificielle pour l’analyse, le développement de code, l’expérimentation, la documentation et la productivité, afin d’améliorer la qualité et l’efficacité des activités en science des données. Utilise des flux de travail assistés par l’IA pour soutenir l’analyse exploratoire, la réflexion sur les variables (feature engineering), le développement de code et de carnets d’analyse (notebooks), la documentation des modèles, la conception d’expérimentations, la synthèse des résultats analytiques et les communications avec les parties prenantes, tout en conservant l’entière responsabilité humaine quant au choix des méthodes, au raisonnement statistique, à la validation, à l’interprétation et aux recommandations finales.
Comprend que le code, les suggestions de modélisation, les synthèses analytiques et les recommandations méthodologiques générés par l’IA doivent être examinés de façon critique et validés en fonction des données sources, des hypothèses, de la rigueur statistique, du contexte d’affaires, des exigences de gouvernance et des normes de reproductibilité avant d’être utilisés. Fait preuve de curiosité et d’un intérêt concret pour l’utilisation de l’IA afin d’accroître la capacité d’analyse, d’améliorer l’aide à la décision et de renforcer la qualité des livrables, sans compromettre la rigueur scientifique ni le jugement humain.
À ce niveau, la maîtrise de l’IA se traduit par une utilisation responsable de ces outils ainsi que par la capacité d’accompagner l’équipe dans l’adoption cohérente et réfléchie de pratiques appuyées par l’IA. La personne est appelée à guider les membres de l’équipe dans l’utilisation sécuritaire, pertinente et adaptée à leur rôle des outils d’IA, à réviser les livrables produits avec l’aide de l’IA afin d’en assurer la qualité et la conformité aux exigences de gouvernance, et à améliorer les pratiques de livraison de l’équipe sans compromettre la responsabilisation ni les standards d’excellence professionnelle.

Outils et plateformes

Programmation et science des données

Python
Jupyter Notebooks
Pandas
NumPy
scikit-learn
SciPy
Statsmodels
XGBoost
LightGBM

Plateformes de science des données et architectures Lakehouse

Databricks
Databricks Notebooks
Databricks Machine Learning
Apache Spark
PySpark
MLflow

Données et interrogation

SQL
BigQuery
Snowflake
Autres plateformes infonuagiques de gestion des données, selon les besoins

Plateformes infonuagiques et d'intelligence artificielle

Google Cloud Platform (GCP)
Vertex AI
Microsoft Azure
Azure AI Services
Azure Machine Learning
Autres plateformes infonuagiques d'apprentissage automatique et d'analytique, selon les besoins

IA appliquée et soutien aux grands modèles de langage (LLM)

API compatibles avec OpenAI ou plateformes d'entreprise fondées sur des grands modèles de langage (LLM), selon l'environnement technologique du client
Évaluation des requêtes (prompts) et processus structurés de validation
Techniques d'utilisation des représentations vectorielles (embeddings), d'analyse de texte et de traitement des données non structurées
Outils d'évaluation des modèles et des flux de travail, selon l'environnement technologique du client

Visualisation et analyse

Matplotlib
Seaborn
Plotly
Looker
Power BI
Tableau

Flux de travail, collaboration et gestion des versions

Git
GitHub
Azure DevOps
Autres outils de collaboration et de gestion du code, selon l'environnement technologique du client

Certifications souhaitées (un atout, sans être obligatoires)

Formation ou certification Databricks de niveau Associate ou Professional
Formation Google Cloud en données, apprentissage automatique ou intelligence artificielle
Formation Microsoft Azure en données, apprentissage automatique ou intelligence artificielle
Formation en Python, en apprentissage automatique, en expérimentation ou en IA appliquée
Formation en statistique, en prévision ou en modélisation analytique
Formation en leadership, en coaching ou en gestion de personnel (un atout)

Engagement pour l’inclusion

Nous concevons des expériences qui conviennent à toutes les personnes — et cela commence par nos équipes. À Valtech, nous avons à cœur de bâtir une culture inclusive où chaque individu se sent soutenu pour grandir, s'épanouir et atteindre ses objectifs. Quel que soit votre parcours, vous avez votre place. Explorez notre site Diversité et Inclusion pour en savoir plus sur nos actions en faveur d’un Valtech plus équitable.

Bénéfices et avantages

Il s’agit d’un poste en [Type de contrat] basé à [Pays/Lieu]. La fourchette salariale proposée est de XX€ à XX€ bruts par an, selon l’expérience et la localisation.

Valtech offre un programme d’avantages sociaux complet, en vigueur après trois mois de service continu :

Un régime d’assurance complet, avec la possibilité de choisir le module qui répond le mieux à vos besoins — Or, Argent ou Bronze. Selon le module sélectionné, l’employeur peut contribuer jusqu’à 80 % de votre couverture. Ce régime comprend des assurances invalidité de courte et de longue durée.
Dialogue via Sun Life vous donne accès à des services de soins de santé virtuels, vous permettant de consulter un professionnel de la santé pour des urgences, des renouvellements d’ordonnance, et plus encore. Vous avez également accès au Programme d’aide aux employés et à leur famille, ainsi qu’à un programme complet de soutien en santé mentale.
Un Compte de dépenses personnel de $500, pouvant être utilisé pour des remboursements de soins de santé, des abonnements au gym, des passes de transport en commun, des fournitures de bureau ou des contributions à votre REER par l’intermédiaire de Valtech.
Un régime de retraite dans lequel Valtech égalera 100% de vos contributions à votre REER par l’entremise d’un Régime de participation différée aux bénéfices (RPDB), jusqu’à un maximum de 4 %. Vous pouvez commencer à cotiser à votre REER immédiatement, et au RPDB après 3 mois. L’acquisition des droits du RPDB est complétée après 24 mois de service.
L’accès à un programme de vacances flexibles selon la politique de Valtech pour soutenir votre équilibre travail-vie personnelle, comprenant 5 jours disponibles pendant votre période de probation et un montant au prorata pour le reste de l’année.
Un remboursement de technologie personnelle — $30/mois offert à chaque employé dès le premier jour.
Nous fermons durant les vacances d’hiver et offrons des horaires flexibles tout au long de l’année, afin que vous puissiez profiter des après-midi ensoleillées du vendredi — pourvu que vos heures hebdomadaires soient complétées.

Processus de recrutement

Une fois votre candidature envoyée, notre équipe Talent Acquisition l’examinera sous quelques jours. Si vos compétences et votre expérience correspondent au poste, nous vous contacterons pour les prochaines étapes.

⚠️ Attention aux fraudes : n’interagissez qu’avec des adresses e-mail officielles se terminant par @valtech.com.

Nous nous engageons en faveur de l’inclusion et de l’accessibilité. Si vous avez besoin d’un aménagement raisonnable pendant le processus de recrutement, veuillez l’indiquer dans votre candidature ou en informer votre Talent Partner.

À propos de Valtech

Valtech est une entreprise d’innovation et d’expérience qui a pour vocation d’offrir une meilleure façon d'appréhender le monde. En combinant expertises, secteurs et cultures, nous aidons les marques à créer de la valeur dans un monde de plus en plus digital.

À l’intersection des données, de l’IA, de la créativité et de la technologie, nous accompagnons la transformation de grandes entreprises telles que L’Oréal, Mars, Audi, P&G, Volkswagen Dolby, et bien d’autres.

À Valtech, la transformation ne se limite pas aux discours. Nous la concrétisons. Nos collaborateurs sont au cœur de notre succès, et nous cultivons un environnement où chaque talent peut s’épanouir, évoluer et innover.

Prêt·e à imaginer la suite ? Rejoignez-nous.

Conformément à la loi allemande sur l'égalité de traitement et à son équivalent français, les offres d'emploi doivent être publiées de manière non sexiste. Nous utilisons la mention pour préciser que ce poste est ouvert à tous les genres dans ces pays, même si le titre du poste lui-même peut être traduit ou interprété comme « masculin » en allemand ou en français.

Scientifique principal des données en IA

Job Description