About this role

Opportunité À Valtech, vous trouverez un environnement propice à l’apprentissage continu, à l’impact concret et à la croissance professionnelle. Que vous développiez de nouvelles solutions digitales, remettiez en question les idées reçues ou construisiez la prochaine génération d’expériences client, votre travail contribuera à transformer les secteurs d'activité. Nous sommes fiers de: Notre travail et l'innovation que nous encourageons Nos valeurs : « share, dare, care » Une culture d'entreprise qui favorise la créativité , la diversité et l'autonomie Notre structure mondiale sans frontières , qui permet une collaboration fluide La maîtrise de l'anglais est requise, car le rôle implique des communications régulières avec des clients et des collègues situés à l'extérieur du Québec.

Rôle Le scientifique principal des données en IA est un poste de contributeur individuel senior au sein de l’équipe Science des données, IA et IA agentique . Cette personne est responsable de diriger des initiatives complexes en analytique, en modélisation prédictive et en IA appliquée. Elle travaille avec un haut degré d’autonomie et agit comme conseiller(ère) de confiance en matière de science des données et de stratégie en intelligence artificielle.

Ce rôle consiste à concevoir et à mettre en œuvre des solutions avancées de modélisation, d’expérimentation et d’IA appliquée afin de résoudre des problématiques d’affaires à forte valeur ajoutée. Le scientifique principal des données en IA transforme des besoins d’affaires parfois ambigus en approches analytiques structurées, en conceptions de modèles, en cadres d’évaluation et en recommandations concrètes. Il ou elle collabore étroitement avec des équipes multidisciplinaires et des parties prenantes afin de garantir que les solutions analytiques et fondées sur l’IA soient à la fois solides sur le plan technique et porteuses de résultats concrets.

À ce niveau, le poste exige une solide expertise quantitative, une maîtrise approfondie de la modélisation, des pratiques rigoureuses en matière d’expérimentation ainsi qu’une utilisation réfléchie des méthodes d’intelligence artificielle. Le scientifique principal des données en IA contribue à orienter les approches analytiques, améliore la qualité des livrables grâce à l’adoption de pratiques exemplaires et d’approches réutilisables, et renforce l’efficacité globale des initiatives en science des données dans l’ensemble des mandats.

Responsabilités du poste Diriger des initiatives complexes en analytique, en statistique, en apprentissage automatique ( machine learning ) et en IA appliquée dans plusieurs secteurs d’activité, cas d’usage ou groupes de parties prenantes. Définir des approches en science des données qui harmonisent les enjeux d’affaires, les possibilités de modélisation, les méthodes d’évaluation et les résultats mesurables. Traduire des besoins d’affaires et des attentes de parties prenantes parfois ambigus en stratégies analytiques structurées, conceptions de modèles, hypothèses, approches d’ingénierie des variables ( feature engineering ), plans de validation et recommandations concrètes.

Diriger la conception et la mise en œuvre de modèles et d’analyses pour des cas d’usage tels que la segmentation, les prévisions, la modélisation de propension, la détection d’anomalies, l’analyse d’expérimentations, les analyses orientées vers les recommandations et l’aide à la décision. Orienter l’utilisation de données structurées, semi-structurées et, lorsque pertinent, non structurées afin de générer des connaissances et de développer des solutions adaptées aux besoins d’affaires.

Assumer la responsabilité du développement dans des carnets d’analyse ( notebooks ), des flux de travail reproductibles et des actifs analytiques dans Databricks et d’autres environnements infonuagiques. Mettre en œuvre des méthodes d’apprentissage automatique et d’intelligence artificielle pour des cas d’usage tels que la classification, la notation ( scoring ), la synthèse de contenu, la détection de tendances, la génération de variables et l’amélioration des processus d’affaires.

Évaluer et intégrer des flux de travail reposant sur les grands modèles de langage (LLM) ou des outils d’IA lorsque ceux-ci renforcent l’analyse, la production d’informations exploitables, l’aide à la décision ou la productivité analytique, tout en préservant la rigueur statistique, la reproductibilité et la responsabilité humaine. Établir et promouvoir les pratiques exemplaires en matière de choix méthodologiques, d’évaluation des modèles, de conception d’expérimentations, de qualité de la documentation et de reproductibilité.

Transformer les résultats de modélisation, les constats analytiques et les résultats issus de l’IA appliquée en conclusions d’affaires claires et en recommandations concrètes. Agir à titre de partenaire principal auprès des clients et des parties prenantes internes en les conseillant sur les compromis analytiques, la pertinence des modèles, la rigueur des évaluations et l’orientation des solutions. Réviser les principaux livrables analytiques et de modélisation afin d’en assurer la clarté, la rigueur, la qualité, la cohérence et la valeur d’affaires, tout en contribuant à rehausser les standards grâce à des approches réutilisables et à de meilleures pratiques de livraison.

Collaborer avec les scientifiques en IA, les ingénieurs en IA, les ingénieurs en analytique, les ingénieurs de données et les architectes afin d’aligner les solutions sur les besoins d’affaires, les réalités des données, les contraintes des plateformes et les architectures techniques. Accompagner les professionnels de niveau junior et intermédiaire par du mentorat technique, la révision de leur travail et le partage des pratiques exemplaires, sans responsabilité officielle de gestion du personnel.

Améliorer les pratiques de livraison en science des données en repérant des occasions d’optimiser les flux de travail, de renforcer les méthodes d’évaluation, de produire une documentation plus claire, de rendre les carnets d’analyse plus évolutifs et de développer des actifs analytiques réutilisables. Respecter les politiques et les normes établies en matière de gouvernance, de protection des renseignements personnels ainsi que d’utilisation responsable des données et de l’intelligence artificielle dans le cadre des activités quotidiennes.

Compétences clés Excellente maîtrise des statistiques, des probabilités, de l’apprentissage automatique ( machine learning ), de l’expérimentation et de la résolution de problèmes analytiques. Solide capacité à définir des approches en science des données et des stratégies de modélisation dans des environnements d’affaires complexes. Excellentes aptitudes en leadership d’équipe, notamment en matière d’accompagnement, de rétroaction, de priorisation du travail et de soutien au développement des membres de l’équipe.

Solide compréhension de l’apprentissage supervisé et non supervisé, de l’ingénierie des variables ( feature engineering ), de l’évaluation des modèles, de la conception d’expérimentations et de l’analyse des erreurs. Solide capacité à travailler avec des données structurées, semi-structurées et, lorsque pertinent, non structurées. Bonne maîtrise des méthodes d’IA appliquée, notamment des flux de travail exploitant les grands modèles de langage (LLM), de l’analyse de texte, de l’extraction de variables assistée par l’IA, de la synthèse de contenu et de la classification.

Bonne connaissance du développement à l’aide de carnets d’analyse ( notebooks ) et des pratiques collaboratives en science des données, notamment dans Databricks et des processus d’expérimentation appuyés par MLflow. Capacité à évaluer dans quels contextes l’IA appliquée apporte une valeur ajoutée et dans quels cas les approches statistiques ou d’apprentissage automatique traditionnelles sont mieux adaptées. Excellentes aptitudes en gestion des parties prenantes et capacité à communiquer clairement avec des publics techniques et non techniques.

Capacité à concilier la qualité des livrables, la charge de travail de l’équipe, les priorités d’affaires et les attentes des parties prenantes dans la gestion simultanée de plusieurs initiatives. Excellentes aptitudes en communication écrite et orale en anglais, avec aisance dans les interactions avec les clients et les membres de la haute direction. Capacité à collaborer efficacement au sein d’équipes réparties à travers les Amériques et avec des équipes multidisciplinaires.

Attentes en matière de maîtrise de l'IA et de science des données assistée par l'IA Adopte activement les méthodes de travail approuvées intégrant l’intelligence artificielle pour l’analyse, le développement de code, l’expérimentation, la documentation et la productivité, afin d’améliorer la qualité et l’efficacité des activités en science des données. Utilise des flux de travail assistés par l’IA pour soutenir l’analyse exploratoire, la réflexion sur les variables ( feature engineering ), le développement de code et de carnets d’analyse ( notebooks ), la documentation des modèles, la conception d’expérimentations, la synthèse des résultats analytiques et les communications avec les parties prenantes, tout en conservant l’entière responsabilité humaine quant au choix des méthodes, au raisonnement statistique, à la validation, à l’interprétation et aux recommandations finales.

Comprend que le code, les suggestions de modélisation, les synthèses analytiques et les recommandations méthodologiques générés par l’IA doivent être examinés de façon critique et validés en fonction des données sources, des hypothèses, de la rigueur statistique, du contexte d’affaires, des exigences de gouvernance et des normes de reproductibilité avant d’être utilisés. Fait preuve de curiosité et d’un intérêt concret pour l’utilisation de l’IA afin d’accroître la capacité d’analyse, d’améliorer l’aide à la décision et de renforcer la qualité des livrables, sans compromettre la rigueur scientifiq

Source listing: greenhouse_valtech