Rattaché(e) directement aux Lead Data Scientists du département Data Mesure, vous interviendrez sur trois piliers stratégiques :
1. Modélisation Économétrique (50%)
Conception & Calibration : Participer au développement et à l’optimisation de modèles économétriques open-source (frameworks tels que Robyn de Meta, Meridian de Google, ou des approches customisées sous PyMC/Stan).
Feature Engineering avancé : Modéliser les effets de saturation (courbes d’Adstock, fonctions de Hill), la saisonnalité, les variables macro-économiques et les actions promotionnelles de nos clients.
Scénarisation d’impact : Développer des algorithmes d’optimisation sous contraintes pour recommander la répartition budgétaire optimale maximisant le ROI global.
2. Expérimentation & Incrémentalité (30%)
Protocoles de test (Geo-testing) : Concevoir des plans d’expériences rigoureux (Matched Market Testing) pour isoler l’impact incrémental réel d’un canal média (ex: débrancher la TV ou sur-investir sur YouTube sur des zones géographiques tests).
Inférence Causale : Appliquer des modèles de contrôle synthétique (Synthetic Controls), de différences dans les différences (Diff-in-Diff) ou de régression sur discontinuité pour mesurer l’élévation réelle des ventes (Lift).
3. Consulting & Data Storytelling (20%)
Traduction Business : Traduire des indicateurs statistiques complexes ($R^2$, intervalles de crédibilité bayésiens, p-values) en recommandations budgétaires actionnables pour les CMOs et directeurs financiers.
Relations Partenaires : Collaborer avec les équipes techniques de nos partenaires clés (Google, Meta, TikTok) pour intégrer les flux de données d’API de conversion (CAPI) et de Clean Rooms (ADS, ADH).
Formation : Étudiant(e) en fin d’études d’une Grande École d’Ingénieurs, de Commerce (avec spécialisation quantitative), ou Master 2 en Mathématiques Appliquées, Économétrie ou Statistiques (ENSAE, Dauphine, ISUP, etc.).
Hard Skills :
Maîtrise solide de Python ou R (la maîtrise des bibliothèques de manipulation de données comme pandas / tidyverse est indispensable).
Solides bases théoriques en statistiques, régression linéaire/non-linéaire, et idéalement en séries temporelles ou inférence causale.
Une première exposition ou une forte curiosité pour les frameworks de MMM (Robyn, Meridian, PyMC).
Soft Skills :
Excellente capacité de vulgarisation : vous savez expliquer la différence entre corrélation et causalité à un public non technique.
Rigueur scientifique et esprit critique face aux données publicitaires souvent bruitées.
Français et Anglais courants.
Une formation d’excellence : Nous vous formons de A à Z aux méthodologies de pointe en marketing mix modeling et en inférence causale.
Un rôle à fort impact : Vos analyses orienteront directement la stratégie d’investissement de grands groupes internationaux.
Une culture tech & humaine : Un environnement de travail stimulant, collaboratif, propice à l’innovation, avec des perspectives très rapides d’évolution en CDI.
Un démarrage flexible (S2 2026 / Début 2027) et une forte perspective de pré-embauche en CDI.