Au sein de l'accélérateur d'innovation d'un grand groupe pharmaceutique international, le projet vise à développer une application stratégique d'automatisation intelligente du shopfloor. L'objectif : adapter dynamiquement les plannings de main-d'œuvre en réponse aux incidents de production, pour minimiser les retards et maximiser la résilience opérationnelle.
Le produit couvre deux axes : l'optimisation data-driven des plannings quotidiens des équipes manufacturing, et la standardisation des activités de travail (« role cards ») à l'échelle des sites de production - pour benchmarker les pratiques et capitaliser sur ce qui fonctionne., * Architecturer et déployer des systèmes LLM-based qui automatisent les workflows shopfloor, de la détection de perturbations à la réallocation de main-d'œuvre. Pipelines RAG, prompt engineering, frameworks agentiques (LangChain, LangGraph) pour une aide à la décision fiable en contexte industriel. * Construire des modèles prédictifs et prescriptifs : prévision d'incidents de production, estimation de durées de tâches, détection d'anomalies sur séries temporelles, affectation optimale de main-d'œuvre. * Modéliser et résoudre des problèmes d'optimisation concrets : minimisation de fonctions de coût sous contraintes industrielles et RH (disponibilités, compétences, charge). Traduire un problème métier complexe en modèle formel et choisir la bonne approche - solver du marché (OR-Tools, PuLP, SciPy), librairie open source ou algo maison - pour le résoudre efficacement. * Piloter la validation sur sites pilotes, mettre en place les frameworks d'évaluation et le monitoring continu en production. * Assurer la robustesse, scalabilité et gouvernance de l'IA : détection des hallucinations, mitigation des biais, qualité en environnement industriel. * Collaborer avec les équipes engineering et data pour intégrer les modèles dans le produit. * Communiquer les choix algorithmiques aux parties prenantes techniques et métiers, en anglais.
Stack & compétences requises * Python : scikit-learn, PyTorch/TensorFlow, PuLP, OR-Tools, SciPy * ML : supervised/unsupervised, time series, anomaly detection * GenAI & LLM : prompt engineering, RAG, OpenAI, Bedrock, LangChain, LangGraph * Optimisation sous contraintes : solvers existants ou librairies open source, expérience sur des problèmes de scheduling ou d'affectation de ressources * SQL * Anglais courant (obligatoire), * Snowflake, MLOps, déploiement LLM cloud (Azure / AWS / GCP) * Neo4J et algorithmes de graphes * Connaissance des processus industriels pharmaceutiques ou manufacturing analytics, * Data scientist senior avec une solide culture ML * Appétence pour les systèmes IA en production * Expérience sur des problèmes d'optimisation sous contraintes et capacité à choisir et utiliser les bons outils pour les résoudre dans un contexte métier concret
Partager cette mission via
Explore ces missions en lien avec tes compétences et ton expérience.
