Data Scientist Senior - Freelance (H/F)
Collective.workSaaS B2BPubliée il y a 3 semaines
620 €/j
- Lieu
- Lille · Hybride
- Durée
- 1 an
- Démarrage
- 30 octobre 2026
- Expérience
- Senior (6-10 ans)
- Langues
- Français, Anglais
- 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 au-dessus de la médiane des 9 missions de votre métier et de votre séniorité de notre catalogue dont l'annonce publie un budget, dont la médiane est de 400 €/jour (moitié centrale : 400 à 550 €/jour).
- 8 missions data scientist sont ouvertes à Lille en ce moment, sur 78 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 : TensorFlow (9 missions), scikit-learn (12 missions), PyTorch (17 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil senior (6-10 ans) · Comment ces repères sont calculés
La mission
Taux journalier (TJM): 620€/jour
CONTEXTE
Pour accompagner la feuille de route, un-e Data Scientist Senior / Expert externe est recherché-e pour une mission de 12 mois. Le besoin s'articule autour de deux enjeux majeurs :
*
Cadrer de bout en bout les cas d'usage Data / IA : de l'expression du besoin business jusqu'à la démonstration (ou non-validation) de la pertinence d'une approche Data Science.
*
Apporter une expertise de pointe sur l'évaluation des modèles (existants et émergents, notamment les architectures d'Agents / Agentique en production) et faire monter en compétences les équipes internes.
Durée de mission : 12 mois Localisation : Lille Télétravail : 2 jours par semaine Langues : Français courant et Anglais courant indispensables
MISSIONS
Au sein du collectif, la mission comporte deux axes fondamentaux :
Axe 1 : Cadrage & Viabilité des projets Data Science (bout en bout)
*
Cadrer les besoins métiers : traduire les problématiques complexes d'achats industriels, de costing et de gestion des risques fournisseurs en opportunités Data Science / IA.
*
Évaluer l'approche Data Science : analyser la faisabilité technique, la qualité de la donnée et la valeur business pour valider ou invalider rapidement l'opportunité de développer une solution Data Science (PoC / Go-No Go).
*
Définition de trajectoires : concevoir le design technique des modèles retenus et poser la feuille de route de déploiement.
Axe 2 : Évaluation des modèles (ML & Agentique) & montée en compétences des équipes
*
Audit & évaluation de l'existant : évaluer et challenger la robustesse théorique et pratique des modèles statistiques et ML actuellement en production (métriques d'évaluation, dérive de données/concepts, explainability, pertinence métier).
*
Évaluation d'IA Agentique en production : concevoir et mettre en place des frameworks rigoureux d'évaluation des systèmes agentiques en production (évaluation des chaînes de décision, alignement, boucle de rétroaction, détection d'hallucinations, régression des agents, benchmarks sur cas réels).
*
Expertise Agentique & GenAI : apporter une vision prospective et une expertise pratique sur la pertinence et le déploiement sécurisé des frameworks d'IA Agentique dans les processus industriels.
*
Upskilling & mentorat : transmettre les fondamentaux théoriques et pratiques de modélisation et d'évaluation, animer des sessions de partage et faire monter en compétences les équipes Data internes.
STACK TECHNIQUE
*
Langages & bibliothèques : SQL, Python, PySpark / Spark, Scikit-Learn, TensorFlow / PyTorch, Frameworks Agentiques & LLM (ex : LangChain, LlamaIndex, AutoGen, CrewAI, LangSmith, Traceloop ou équivalents).
*
Data Platform & MLOps : Databricks (dont Unity Catalog), AWS, GCP, MLFlow, Airflow, Docker.
*
Outils collaboratifs : Jira, Confluence, Git / GitHub Actions.
PÉRIMÈTRE TECHNIQUE RÉSUMÉ
*
Environnement Data : Databricks (dont Unity Catalog), AWS, GCP
*
Développement, statistiques & ML : Python, PySpark, Scikit-Learn, PyTorch / TensorFlow, Statsmodels, Frameworks Agentiques / LLM & outils d'évaluation LLM/Agent
*
MLOps, monitoring & industrialisation : MLFlow, Airflow, Docker, Git / GitHub Actions
ATTENTES & MODÈLE DE DELIVERY
*
Rigueur scientifique : apporter une légitimité théorique et méthodologique sur le choix, la validation et le suivi des modèles.
*
Sens des enjeux métier : compréhension globale des enjeux métier pour cadrer les sujets de bout en bout, mesurer la valeur business et arbitrer de manière pragmatique (faisabilité, contraintes) sur l'opportunité de lancer un projet.
*
Focus évaluation agentique : être la référence de l'équipe sur la manière de tester, évaluer et benchmarker les comportements agentiques en environnement de production.
*
Transmission : démarche orientée transfert de connaissances et autonomisation de l'équipe interne.
*
Entreprise : Collective.work
Lieu de travail : 59 - Lille (59000)
Type de contrat : Profession libérale — Emploi non salarié
Expérience : Débutant accepté
Rémunération : 620 € par jour
Code ROME : M1405 Data scientist
Dernière mise à jour chez France Travail : 09/10/2026
Source : France Travail — offre reprise sous la Licence de réutilisation de la base de données des offres d'emploi (francetravail.io).
Compétences attendues
Indispensables
- Go
- Mentorat
- SQL
- Python
- Spark
- scikit-learn
- TensorFlow
- PyTorch
Appréciées
- LLM
- LangChain
- LlamaIndex
- MLOps
- Databricks
- Unity

