Machine Learning Engineer / Data Scientist (F/H)
Confirmed on the employer's own hiring board on Oct 18, 2026. First seen by Alion on Oct 6, 2026.
Rejoins SCorp-io, une entreprise innovante dans le domaine de l'optimisation énergétique des bâtiments. En tant que Machine Learning Engineer / Data Scientist, tu développeras des modèles prédictifs pour comprendre, prévoir et optimiser le comportement thermique et énergétique des bâtiments. Tu travailleras en étroite collaboration avec l'équipe Produit & Tech, les développeurs, les experts CVC et les équipes opérationnelles.
Missions
- Construire des modèles prédictifs du comportement thermique des bâtiments, modéliser l’inertie, les vitesses de chauffage/refroidissement et les délais entre une commande et son effet.
- Mesurer l’écart entre prédictions et observations, contribuer à l’évaluation des gains énergétiques et du ROI, quantifier l’incertitude et détecter les dérives.
- Optimiser horaires et consignes selon l’inertie, la météo et l’occupation, contribuer progressivement à l’optimisation des lois d’eau, lois d’air, PAC, CTA et réseaux hydrauliques.
Profil recherché
Tu disposes d’une solide formation scientifique, data ou ingénieur et maîtrises plusieurs des domaines suivants :**Compétences clés**
* Python, NumPy, pandas, SciPy, scikit-learn ou équivalents,
* Machine Learning supervisé : régression linéaire, Ridge/Lasso, Random Forest, XGBoost/LightGBM ou équivalents,
* Séries temporelles et forecasting,
* Statistiques, feature engineering et validation de modèles,
* Backtesting, MAE, RMSE, R² ou métriques adaptées,
* Optimisation numérique.
**Un vrai plus**
Une expérience sur plusieurs de ces sujets constitue un vrai plus :
* identification de systèmes, state-space models, filtres de Kalman,
* modèles hybrides physique/data,
* PyTorch ou Deep Learning appliqué aux séries temporelles,
* Modelica, EnergyPlus ou outils de simulation,
* MPC / optimal control / optimisation sous contraintes,
* MLflow, MLOps et monitoring de modèles.
*Les expériences dans le bâtiment, l’énergie, la thermique, l’industrie, la mécanique, l’IoT ou d’autres systèmes physiques nous intéressent particulièrement.*
*Une expérience directe du CVC est appréciée, mais une forte expérience en modélisation de systèmes physiques dans un autre domaine peut être tout aussi pertinente.*