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.

Cette fonction inclus deux aspects complémentaires, d’une part un aspect relatif à la coordination des projets IA et Data Science et d’autre part l’apport d’une expertise technique dans le cadre de l’implémentation des solutions.

En ce qui concerne la coordination, vous serez la personne de référence au sein de l’organisation pour la mise en place des initiatives IA. Vous collaborerez étroitement et régulièrement avec les autres profils IT et business de l’organisation afin de traduire les besoins opérationnels en projets viables. Dans ce cadre, vous assurerez également le lead technique sur les aspects IA et Data Science des projets auxquels vous participerez en supervisant l’ensemble des phase des projets, analyse, développement, industrialisation, monitoring et maintenance. Vous encadrerez également les profils techniques junior et medior impliqués dans les projets sous votre responsabilité sans toutefois systématiquement endosser le rôle de chef de projet.

Sur le plan de l’implémentation, 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. En tant que membre senior, vous veillerez à la mise en œuvre des meilleurs standards en programmation et en machine learning au sein de l’équipe. 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, et serez en mesure de conseiller vos collègues dans leurs choix technologiques et programmatiques.

Profil Recherché

Vous êtes titulaire d’un master ou un doctorat en informatique, AI ou équivalent et pouvez justifier d’un minimum de 5 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 dévelopment et le déploiement de solutions IA on-premise et sur le cloud (Azure, AWS, GCP).
• 5+ années d’expériences dans l’industrie : Vous disposez de 4+ années d’expérience dans le monde du ML, MLOps et big data.
• Background théorique et expertise pratique : dans le domaine du ML et du deep learning.
• Database Paradigm (SQL & NoSQL) : Connaissances poussées en DB relationelles et non relationelle (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 solution 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 Skills

• Databases: MySQL, PostgreSQL, Neo4j, Milvus
• AI Framework: PyTorch, tensorflow, huggingface, mlflow, sklearn, OpenCV
• Programming Langages : Python (R est un plus)
• Databases Paradigms: NoSQL, SQL
• Orchestration: Kubernetes, Kubeflow
• Cloud Platforms : Azure, AWS
• Versioning (code et modèles) : MlFlow, dvc, Neptune, 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.