Data Scientist - Industry 4.0 - Belgique

Description du poste

Contexte

Des usines spécialisées dans la production d’éléments de moteurs aéronautiques en titane réalisent des opérations d’usinage et de forge avec une précision extrême (jusqu’à 10 µm).

L’équipe Manufacturing 4.0 fournit les outils digitaux, les technologies Industrie 4.0 et le support technique aux équipes métier et à la production industrielle.

L’équipe Manufacturing 4.0 regroupe des ingénieurs assurant l’interface entre le monde industriel et les systèmes IT permettant le pilotage intelligent des activités.

On y retrouve notamment des compétences en :

• IT Platform

• Manufacturing Execution Systems

• UNS (Unified Namespace), collecte et distribution temps réel des données et indicateurs industriels

• Inspection Qualité

• Data (BI, Machine Learning, IA, etc.)

Le programme consiste à concevoir et développer la solution technologique Manufacturing 4.0 du futur, intégrant notamment :

• pilotage par la donnée,

• robotique,

• intelligence artificielle.

En collaboration avec les équipes Manufacturing 4.0, IT et métiers industriels, vous serez amené à :

• Explorer, analyser et préparer les données issues des systèmes industriels (machines, capteurs, MES, inspection qualité…).

• Concevoir, entraîner et évaluer des modèles ML et/ou Computer Vision adaptés aux contraintes industrielles.

• Mettre en œuvre des pipelines end-to-end MLOps (training, validation, déploiement, monitoring).

• Déployer les modèles en production sur une architecture hybride on-prem / cloud avec containers et AWS SageMaker.

• Suivre la performance des modèles en production (qualité, dérive, robustesse) et proposer des améliorations.

• Intégrer les modèles aux systèmes existants via la chaîne CI/CD en lien avec les équipes IT.

• Documenter les solutions et diffuser les bonnes pratiques.

• Contribuer à la transformation Manufacturing 4.0 par la donnée et l’IA.

• Déployer des modèles robustes, fiables et maintenables en environnement industriel.

• Combiner innovation, contraintes industrielles et exigences de production.

• Faire preuve d’autonomie, proactivité et esprit critique constructif.

• Être force de proposition pour améliorer les pratiques Data Science et MLOps.

• Partager les bonnes pratiques avec les autres data scientists.

• Intégration au sein de l’équipe Manufacturing 4.0 avec data, IT et ingénieurs industriels.

• Interactions avec les équipes MES, Qualité, Maintenance, UNS, IT et Cloud.

• Collaboration possible avec partenaires technologiques et fournisseurs de solutions.

• Diplôme d’ingénieur (informatique, data, IA, mathématiques appliquées) ou équivalent.

• Expérience confirmée (≥5 ans) en tant que Data Scientist / Machine Learning Engineer, idéalement dans un contexte industriel ou de production critique.

• Expérience complète du cycle ML : conception, entraînement, validation, déploiement, suivi en production.

• Bonne maîtrise des pratiques MLOps (versioning, automatisation, CI/CD, monitoring).

• À l’aise dans des architectures hybrides on-premise + cloud, avec expérience AWS (notamment SageMaker).

• Capacité à travailler avec des équipes pluridisciplinaires (IT, Data, métiers industriels).

• Connaissance de l’environnement industriel (OT, MES, capteurs, machines…) appréciée.

• Qualités humaines : autonomie, rigueur, esprit d’équipe, sens de l’initiative, bon relationnel.

• Aucune certification obligatoire.

• Certifications AWS (Machine Learning, Data Analytics, Cloud Practitioner) ou équivalent appréciées.

• Machine Learning supervisé & non supervisé (régression, classification, anomalies, time-series).

• Computer Vision (traitement d’images, CNN, deep learning) ou modèles prédictifs industriels.

• Python + Pandas, Numpy, Scikit-learn, PyTorch et/ou TensorFlow.

• Mise en production de modèles IA (API, batch, streaming).

• MLOps :

  • pipelines d’entraînement et d’inférence,

  • versioning (code, data, modèles),

  • monitoring des performances & dérive.

• Containers (Docker / Podman).

• Orchestration (Kubernetes / OpenShift).

• Cloud public (AWS : S3, SageMaker, IAM, ECR, CloudWatch).

• Bonnes pratiques de développement (Git, tests, CI/CD).

• Industrie (Manufacturing, MES, Qualité, Maintenance prédictive).

• Architectures data industrielles (Data Lakes, streaming temps réel).

• Snowflake (data warehouse, data sharing, optimisation).

• Dataiku.

• Message brokers (Kafka, MQTT).

• Monitoring & observabilité (Prometheus, Grafana, CloudWatch).

• Gestion de données time-series issues de capteurs.

• Notions de cybersécurité appliquées aux environnements industriels.

L’équipe fonctionne en mode projet et applique les principes de l’Agilité (Sprints, Sprint Reviews, Daily Meetings) dans un contexte collaboratif.

Les valeurs clés de l’équipe sont l’esprit d’équipe, la proactivité, la polyvalence, l’autonomie et l’orientation résultats.
Les membres de l’équipe doivent :

• prendre plaisir à s’impliquer,

• être curieux et à l’écoute,

• être autonomes et force de proposition,

• agir avec transparence et bienveillance,

• être orientés résultats et efficacité.