[KHOME] Data Scientist

Filiale à 100% du Groupe Crédit Agricole Khome réinvente l’expertise immobilière et transforme en profondeur la manière dont les institutions financières, les foncières et les investisseurs comprennent la valeur, la qualité et les risques des actifs immobiliers.

Nous servons aujourd’hui les grandes banques françaises, des gestionnaires de portefeuille, et des foncières avec des solutions d’expertise certifiée, d’analyse immobilière augmentée et de scoring des actifs. Notre plateforme Data et nos outils basés sur l’IA est au cœur de cette réinvention.

Notre mission : rendre l’expertise immobilière plus simple, plus rapide et plus intelligente

Khome évolue dans un environnement fintech exigeant et réglementé, où la donnée est un actif central du produit.

La plateforme repose sur des modèles d'expertise immobilière augmentée : scoring de biens, valorisation, signaux marché.

L'enjeu aujourd'hui est de renforcer la capacité de l'équipe à :

• Concevoir et industrialiser des modèles statistiques et ML appliqués à l'immobilier.

• Fiabiliser l'évaluation des données fournisseurs

• Accompagner l'intégration concrète de l'IA dans le produit

Ce poste s'inscrit dans une dynamique de montée en maturité technique, en complémentarité directe avec le Data Engineer.

Vos priorités clés

Modélisation & Data Science appliquée

• Concevoir, entraîner et maintenir des modèles statistiques (scoring, valorisation, anomalie, segmentation)

• Évaluer rigoureusement la qualité des modèles et des données — y compris celles issues de prestataires externes

• Exploiter des données géospatiales (POI, flux, zonage, distances, données cadastrales et DVF géolocalisées) pour enrichir les modèles de valorisation et de scoring

• Produire des restitutions exploitables pour les équipes produit et business

• Contribuer à la roadmap data en identifiant les leviers à forte valeur

Industrialisation & MLOps

• Concevoir et maintenir des pipelines d'entraînement et d'inférence

• Collaborer étroitement avec le Data Engineer sur l'architecture et la qualité des données en entrée

• Participer à l'orchestration et au monitoring des modèles en production

IA appliquée & usage avancé

• Intégrer des approches LLM / RAG / IA générative dans les usages produit, quand pertinent

• Concevoir et déployer des pipelines RAG sur des corpus documentaires immobiliers et réglementaires

• Maîtriser les patterns d’engineering IA : prompt engineering structuré, function calling, agents IA légers, chaînes d'orchestration (LangGraph, CrewAI), …

• Veiller à une intégration maîtrisée et documentée — pas d'expérimentation non contrôlée

• Être force de proposition sur les nouvelles opportunités IA cohérentes avec la roadmap

Ce qui fera la différence

• Solide maîtrise de Python pour la data science (Pandas, Scikit-learn, statsmodels, NumPy, GeoPandas, Shapely) et pour le ML Engineering (Fastapi, pydantic, …)

• Expérience réelle en modélisation supervisée et non supervisée sur des données structurées

• Capacité à évaluer des données externes de manière rigoureuse (qualité, biais, dérive)

• Autonomie dans un environnement en construction — pas besoin d'un cadre très formalisé pour avancer

• Exposition à des données immobilières, financières ou de marché — un vrai plus

• Sensibilité à l'IA générative et usage concret des outils actuels (LLM, RAG, automatisation assistée)

• Capacité à vulgariser des résultats complexes pour des interlocuteurs non techniques

L'environnement technique & organisationnel

Stack principale :

• Python — langage central pour la Data Science

• AWS (Lambda, S3, RDS, SageMaker ou équivalent)

• Collaboration avec le Data Engineer sur les flux et l'architecture data

Organisation :

• Collaboration étroite avec le Head of Tech et le Data Engineer

• Interaction directe avec les enjeux produit et les équipes business

• Environnement structuré et soutenu par La Fabrique by CA

• Présentiel privilégié pour les postes techniques stratégiques

Pourquoi ce poste est stratégique

• Les modèles Data Science sont au cœur de la proposition de valeur de Khome — ce n'est pas un rôle support

• La qualité et la fiabilité des modèles conditionne directement la crédibilité produit

• L'intégration de l'IA dans le produit ouvre un champ différenciant réel — à construire intelligemment

• Le renforcement de la séniorité technique data est un levier clé pour la trajectoire Khome

Ce rôle contribue directement à la solidité de l'offre et à la trajectoire produit — avec un impact visible dès les premières semaines.

Comment nous recrutons

• Un premier échange exploratoire avec un recruteur

• Un entretien technique approfondi (cas pratique + discussion architecture)

Une série de rencontres avec l'équipe dirigeante et l'équipe tech