Stagiaire ML : Qualité et Surveillance de l’Optimisation

À propos de cette offre

Description du poste

Lieu : Zurich, Suisse (hybride)

Notre vision commune

Notre mission est d’aider les équipes marketing à libérer tout leur potentiel de croissance grâce à l’IA. Notre attribution alimentée par l’IA crée une véritable transparence, montrant comment les investissements en publicité digitale performent à travers les canaux. Sur cette base, nous optimisons les budgets afin que nos clients puissent faire croître durablement leur résultat net. Nous accompagnons les grandes marques européennes dans le e-commerce, la télécommunication, la banque, l’assurance & l’énergie, ainsi que dans de nombreuses autres industries, pour rendre leur marketing plus intelligent, plus efficace et plus impactant.

À propos du poste

Nexoya exécute des optimisations et simulations de budget entièrement automatisées et pilotées par l’IA pour des portefeuilles marketing d’entreprise sur de nombreux canaux publicitaires. Chaque résultat livré à un client doit être correct, explicable et livré à temps. En tant que stagiaire ML, vous vous assurez que c’est le cas : vous surveillez la santé des pipelines, vérifiez la qualité des prédictions, optimisations et simulations, enquêtez sur les anomalies et transformez les contrôles manuels récurrents en outils fiables. Vous travaillez en étroite collaboration avec nos ingénieurs ML et le service Client, et vous voyez directement comment votre travail influence les décisions budgétaires de nos clients.

Vos responsabilités

Surveiller l’automatisation et assurer la qualité des résultats

• Surveiller les pipelines automatisés de prédiction, optimisation et simulation à travers les portefeuilles clients et suivre la santé, la complétude et la ponctualité des exécutions.
• Vérifier que les prédictions, propositions d’optimisation et résultats de simulation respectent nos standards de qualité avant d’être communiqués aux clients : déplacements de budget, changements attendus des KPI, contraintes des canaux et effets au niveau de l’entonnoir.
• Enquêter sur les exécutions échouées ou inattendues, identifier la cause racine (données, configuration ou modèle) et la résoudre ou l’escalader avec un diagnostic clair.

Assurer la qualité des résultats dans le temps

• Définir et maintenir des contrôles de plausibilité pour les résultats d’optimisation et de simulation, par exemple pour la planification budgétaire, les variations saisonnières ou les tests de nouveaux canaux.
• Veiller à ce que les résultats soient cohérents et explicables, afin que les clients et les gestionnaires de comptes puissent leur faire confiance sans vérifications manuelles.
• Comparer les résultats optimisés et simulés avec les performances réalisées, documenter les écarts et transmettre les conclusions à l’équipe ML.

Garantir la qualité des données et des modèles

• Surveiller les données d’entrée pour détecter les lacunes, anomalies et changements de suivi qui affectent la qualité de l’optimisation.
• Suivre l’ajustement du modèle et la précision des prédictions par portefeuille et signaler rapidement toute dégradation.
• Maintenir les configurations des portefeuilles telles que les étapes de l’entonnoir, les contraintes et les définitions des objectifs en collaboration avec les équipes responsables.

Automatiser le flux de travail opérationnel

• Remplacer les contrôles manuels par des scripts Python, des règles de validation et des alertes.
• Construire et maintenir des tableaux de bord affichant le statut des exécutions, la santé des données et la performance des modèles à travers les portefeuilles.
• Rédiger des runbooks afin que le savoir opérationnel soit partagé et non détenu par une seule personne.

L’impact que vous aurez

• Les clients reçoivent des propositions d’optimisation et des simulations correctes et livrées à temps.
• Les problèmes sont détectés avant que les clients ne les voient, pas après.
• Le temps que l’équipe ML consacre aux tâches opérationnelles diminue de manière mesurable, car les étapes récurrentes sont automatisées.
• Le service Client peut faire confiance aux résultats automatisés d’optimisation et de simulation sans vérification manuelle.

Votre expérience et vos compétences

• Master récemment obtenu en Data Science, Informatique, Statistiques, Mathématiques, Ingénierie ou domaine connexe.
• Compétences solides en Python, incluant pandas et NumPy, et aisance avec SQL.
• Bonne compréhension des statistiques et des concepts de base en apprentissage automatique tels que la régression, l’évaluation de modèle et le surapprentissage.
• Méthode de travail rigoureuse et structurée : vous vérifiez les résultats avant de les partager et documentez vos actions.
• Capacité à expliquer clairement les résultats techniques à des collègues non techniques.
• Maîtrise de l’anglais parlé et écrit, indispensable.

Points bonus

• Expérience avec des méthodes d’optimisation, par exemple optimisation contrainte ou non convexe.
• Familiarité avec le Marketing Mix Modeling, l’attribution ou les métriques de publicité digitale.
• Expérience avec les pipelines de données, les tâches planifiées ou les outils de surveillance.
• Expérience avec Git, Docker et les environnements cloud.
• Maîtrise de l’allemand ou de l’italien.

Votre future vie professionnelle

• Objectif : Votre travail influence directement la manière dont les marketeurs d’entreprise allouent leurs budgets.
• Responsabilité : Vous êtes responsable de la qualité d’une partie définie de notre automatisation dès le premier jour, avec une feuille de route de développement personnel et des retours réguliers.
• Apprentissage : Vous travaillez aux côtés d’ingénieurs ML et data expérimentés sur des systèmes de production, pas sur des projets annexes.
• Culture : Une culture d’entreprise transparente et égalitaire, où chaque personne est valorisée et soutenue.
• Stratégie : Vous participez à la définition de la stratégie et de la culture d’entreprise lors de nos journées trimestrielles de stratégie.
• Événements : Événements d’équipe réguliers, sur site et hors site.

Processus de candidature

• Revue de profil et entretien téléphonique court
• Étude de cas à domicile
• Discussion de cas avec l’équipe ML
• Entretien sur site et évaluation par l’équipe