Data Scientist - Maintenance Prédictive (H/F) (IT)

Nous recherchons un Data Scientist pour accompagner un acteur majeur du secteur industriel dans le déploiement d'une solution de maintenance prédictive, au sein d'un environnement technique hybride combinant infrastructure on-premise et cloud Databricks (Azure). La mission s'inscrit dans un projet d'étude structuré en plusieurs phases, mené dans un contexte Agile, avec des livrables attendus à chaque jalon. L'objectif est de concevoir et d'industrialiser des modèles d'analyse permettant de détecter, diagnostiquer et anticiper les pannes d'équipements industriels, en s'appuyant à la fois sur des données réelles collectées en service et sur des données simulées de dégradation. Le projet implique une collaboration étroite avec des équipes Data Engineering et des experts métier maintenance, dans une logique de co-construction et de montée en maturité analytique progressive. Responsabilités :

• Réaliser l'exploration et la caractérisation des données (signaux bruts, indicateurs, tendances) à l'aide d'un outil dédié restituant l'identité graphique de chaque type de panne
• Conduire la sélection de features discriminantes permettant de distinguer un équipement sain d'un équipement défaillant, à partir de données en service et de données simulées
• Développer et évaluer des modèles de diagnostic couvrant les différents modes de panne identifiés
• Concevoir des modèles de pronostic (trajectoires de descripteurs, prédiction de pannes) en mobilisant des approches de machine learning supervisé et non supervisé
• Participer à la mise en ?uvre des pipelines de données et à leur orchestration (Airflow, Azure Data Factory, Databricks Jobs)
• Contribuer aux pratiques MLOps : versionnement des modèles, suivi des expérimentations et gestion du cycle de vie via MLflow
• Produire des restitutions claires et exploitables à destination des équipes métier, via des outils de visualisation adaptés (PowerBI, Dash, RShiny)
• Collaborer avec les Data Engineers sur les aspects de gestion de la donnée, de gouvernance et d'environnement de développement partagé

• Maîtrise de Python (orienté data science : pandas, scikit-learn, numpy, etc.) et de SQL
• Expérience confirmée en feature engineering et sélection de variables sur des données temporelles ou signaux industriels
• Compétences avérées en modélisation prédictive et en machine learning (classification, régression, séries temporelles)
• Pratique de Spark dans un contexte analytique (traitement de grands volumes de données)
• Expérience sur la plateforme Databricks (notebooks, clusters, workflows)
• Maîtrise des outils de versionnement de code : Git (Bitbucket, GitHub ou Azure DevOps)
• Connaissance des outils MLOps, en particulier MLflow (tracking, model registry)
• Capacité à travailler dans un environnement hybride on-premise / cloud Azure
• Autonomie, rigueur scientifique et aptitude à documenter les démarches et résultats
• Bon relationnel et capacité à vulgariser des résultats techniques auprès d'interlocuteurs métier

• Expérience dans le domaine de la maintenance prédictive ou du diagnostic de systèmes industriels
• Connaissance de R et des frameworks de visualisation associés (RShiny)
• Pratique d'outils de dataviz complémentaires : Dash, Grafana, PowerBI
• Familiarité avec les outils d'orchestration : Airflow, Azure Data Factory
• Notions en CI/CD appliquées aux projets data : Jenkins, GitHub Actions, Azure DevOps
• Connaissance des environnements opérationnels on-premise : Docker, RHEL, Ansible, MLflow server
• Expérience avec Delta Lake et Unity Catalog (gouvernance des données sur Databricks)
• Pratique de l'environnement JupyterHub et de VSCode en contexte collaboratif
• Expérience en projet Agile/Scrum avec des jalons de livraison formalisés