Data Scientist (H/F) – Mission freelance à Lille
Insitoo FreelancesE-commercePubliée il y a 1 semaine
400 €/j
- Lieu
- Lille · Télétravail non précisé
- Durée
- 6 mois
- Démarrage
- 11 novembre 2026
- Expérience
- Séniorité non précisée
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- Le TJM de cette mission se situe en dessous de la médiane des 13 missions de votre métier et de votre séniorité de notre catalogue dont l'annonce publie un budget, dont la médiane est de 500 €/jour (moitié centrale : 400 à 500 €/jour).
- 8 missions data scientist sont ouvertes à Lille en ce moment, sur 75 pour ce métier en France.
- 0 % des missions data scientist de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Fine-tuning (13 missions), MLOps (107 missions), Machine Learning (124 missions). À séniorité égale, une compétence rare se négocie mieux.
Séniorité non précisée par l'annonce · Comment ces repères sont calculés
La mission
Nous recherchons un Data Scientist - Freelance (H/F) pour rejoindre une entreprise du secteur retail, active à l’international.
Vous intégrerez une équipe dédiée à la Data, à l'IA et à la gouvernance, qui accompagne les équipes métiers dans l'adoption de solutions Data et IA à fort retour sur investissement.
Vous interviendrez sur l'ensemble du cycle de vie des solutions, de l'exploration des besoins jusqu'à la mise en production.
Vos responsabilités :
Comprendre les besoins métier : collaborer avec les équipes métiers pour identifier les opportunités d’application de l’IA, et participer à la définition des objectifs, des KPIs et des livrables pour chaque projet.
Explorer et préparer les données : analyser les données, sélectionner les datasets pertinents et créer les variables utiles aux modèles.
Concevoir et entraîner des modèles IA : développer des algorithmes de Machine Learning et d’IA Générative (LLMs, RAG, fine-tuning), évaluer leur robustesse et les améliorer en continu.
Industrialiser et déployer les solutions : développer des APIs, intégrer les modèles aux systèmes existants et appliquer les bonnes pratiques MLOps.
Superviser les modèles en production : garantir performance, scalabilité et sécurité, détecter les dérives et planifier les réentraînements ou ajustements.
Garantir la valeur ajoutée : collaborer avec les Product Owners, Data Engineers et AI Engineers, partager les bonnes pratiques et garantir un impact mesurable des solutions pour l’entreprise.
Compétences attendues
Indispensables
- Machine Learning
- RAG
- Fine-tuning
- MLOps