IA & Data Science
Du data scientist à l’ingénieur MLOps. Un modèle en production vaut plus qu’un notebook : c’est ce que nous vérifions.
Le marché de l’IA est saturé de CV qui alignent les bons mots — LLM, RAG, fine-tuning — sans qu’un seul modèle n’ait jamais servi un utilisateur. La différence entre un profil qui expérimente et un profil qui livre ne se lit pas : elle se teste, sur un cas concret, avec quelqu’un qui a déjà mis un modèle en production.
Les postes que nous couvrons
- Data scientist (NLP, vision, séries temporelles)
- Ingénieur machine learning
- Ingénieur MLOps / LLMOps
- Ingénieur IA générative (RAG, agents, évaluation)
- Lead data science
- Head of AI
Ce que nous vérifions
avant de vous présenter quelqu’un
- Le passage en production : combien de modèles réellement servis, à quelle échelle, avec quel monitoring.
- La rigueur d’évaluation : jeux de test, métriques choisies, fuites de données repérées — ou pas.
- La capacité à dire non à un projet IA qui n’en a pas besoin : c’est un signe de maturité, pas de faiblesse.
- Le niveau réel en Python et en ingénierie logicielle, souvent le maillon faible des profils recherche.
Repères de rémunération
| Poste | Expérience | CDI (brut annuel) | Régie (TJM) |
|---|---|---|---|
| Data scientist | 2 à 5 ans | 45 – 60 k€ | 500 – 700 € |
| Ingénieur ML confirmé | 4 à 8 ans | 55 – 75 k€ | 600 – 850 € |
| Ingénieur MLOps | 4 ans et plus | 55 – 80 k€ | 650 – 900 € |
| Lead / Head of AI | 8 ans et plus | 80 – 130 k€ | 850 – 1 200 € |
Fourchettes observées sur nos placements et les offres suivies en France sur les douze derniers mois. Elles varient fortement selon la région, la séniorité réelle et la rareté de la stack.
Un poste à pourvoir en ia & data science ?
Décrivez-nous la stack et le contexte. Nous vous dirons sous 24 h ouvrées si le profil existe au budget prévu — en CDI comme en régie — et ce qu’il faudrait ajuster sinon.