Data Scientist, Confirmé

Crédit Agricole Alpes Provence

Data Scientist designing and industrializing AI models for optimizing e-business performance at Crédit Agricole. Collaborating with teams to enhance customer insights and marketing effectiveness.

Posted 7/25/2026full-timeParis • 🇫🇷 FranceMid-LevelSeniorWebsite

Core Competencies

Role fit

Core Competencies

Use this summary to align your resume positioning with the role.

Demonstrates expertise in developing and optimizing predictive models, leveraging multi-source data, and implementing MLOps practices. Strong ability to translate business needs into high-value data use cases while ensuring model performance and sustainability.

Highest-signal resume keywords

Machine Learning ImplementationPython ProficiencyMLOps PracticesSQL ExpertiseData Analysis

ATS Keywords

Tailor your resume

Applicant Tracking System Keywords

Tip: use these terms in your resume and cover letter to boost ATS matches.

Hard Skills

Predictive ModelingData ScienceStatistical AnalysisA/B TestingClient SegmentationData InterpretationPerformance EvaluationCRM Data UsageDigital PerformanceSAS Proficiency

Soft Skills

AutonomyRigorAnalytical MindsetBusiness OrientationTeam Collaboration

Certifications & Qualifications

BAC+5 in Data SciencePhD (Plus)

Industry Keywords

Data Science Best PracticesMLOpsClient Journey AnalysisConversion Funnel AnalysisROI Actions

Tech Stack

Tools & technologies

PandasPythonScikit-LearnSQL

About the role

Key responsibilities & impact

Concevoir, développer et améliorer des modèles prédictifs à forte valeur (e.g., scoring, Next Best Offer, segmentation clients, etc.)
Exploiter et croiser des données multi-sources (e.g., CRM, parcours digitaux, etc.)
Industrialiser les modèles et assurer leur mise en production dans des environnements robustes
Garantir la performance et la pérennité des modèles déployés
Analyser les parcours clients et les tunnels de conversion
Mettre en place des dispositifs d’évaluation des modèles (e.g., A/B testing, uplift, valeur client, etc.)
Accompagner les métiers dans l’interprétation des résultats et la mise en œuvre d’actions concrètes dans une logique ROI
Définir et promouvoir les bonnes pratiques Data Science et MLOps

Requirements

What you’ll need

Diplômé(e) d’un BAC+5 en Data Science, statistiques, mathématiques, informatique ou école d’ingénieur (un PhD est un plus) avec 3 à 6 ans d’expérience
Solide compréhension des concepts de Machine Learning et de leur mise en œuvre concrète
Excellente maîtrise de Python (Pandas, Scikit-learn…), des pratiques MLOps, SQL et à l’aise avec SAS
Traduire des enjeux métiers en cas d’usage data à forte valeur ajoutée
Expérience sur des cas d’usage autour de la donnée client, du CRM et/ou de la performance digitale
Autonomie, rigueur, esprit d’analyse et forte orientation business
Excellentes capacités de communication en français et appréciation du travail en équipe

Benefits

Comp & perks

Aucun détail spécifique sur les avantages n'est mentionné