Mission freelance data scientist à Marseille (2026)

CMA CGM opère une flotte de plus de 500 navires et plusieurs millions de conteneurs en transit simultané dans le monde entier. Les données générées sont massives : chaque navire transmet en continu ses positions AIS (Automatic Identification System) toutes les quelques secondes, les données de ses capteurs moteur et de navigation, et les données EDI (Electronic Data Interchange) des échanges logistiques avec les ports et les clients. En agrégeant les signaux AIS de 500 navires, les données IoT des milliers de conteneurs reefer (qui transmettent leur température en temps réel), et les flux EDI de millions de mouvements de conteneurs, le volume d'événements quotidien dépasse effectivement les 50 millions. Pour gérer cette volumétrie tout en permettant l'inférence ML en temps réel, CMA CGM a déployé une architecture Lambda : une couche batch (Spark sur cluster Hadoop ou cloud) qui entraîne et met à jour les modèles de prédiction des délais de livraison et d'optimisation des routes sur les données historiques complètes, et une couche serving temps réel (Kafka Streams ou Flink) qui applique les modèles entraînés aux nouvelles données en quelques secondes pour les alertes de maintenance, la détection d'anomalies sur les reefers et les mises à jour des ETA. Les data scientists freelances chez CMA CGM travaillent souvent sur l'amélioration de l'une ou l'autre couche — ou sur la cohérence entre les deux.

L'AP-HM (Assistance Publique-Hôpitaux de Marseille), avec ses 4 hôpitaux principaux et ses 13 000 lits, est l'un des CHU les plus importants de France et développe activement des projets de ML clinique. Les missions data science portent sur plusieurs problèmes médicaux réels. La prédiction des réadmissions non planifiées à 30 jours : des modèles de classification (XGBoost, réseaux de neurones profonds) entraînés sur les données des séjours hospitaliers (diagnostics CIM-10, actes CCAM, résultats biologiques, durée de séjour, mode de sortie) prédisent les patients à haut risque de réadmission — permettant une intervention de prévention ciblée. La détection précoce de la sepsis en réanimation : des modèles d'alerte précoce (LSTM sur les séries temporelles de biologie et de monitoring continu des patients) identifient les signes avant-coureurs de sepsis jusqu'à 6 heures avant le diagnostic clinique. La priorisation des listes d'attente chirurgicales : des modèles de prédiction de la complexité opératoire à partir des données préopératoires optimisent la planification des blocs. Ces missions requièrent une connaissance des données de santé (format HL7/FHIR, codes PMSI, contraintes HDS), des modèles ML médicaux, et une compréhension du contexte clinique.

TotalEnergies MEPS (Mediterranean & European Petrochemicals), site de Fos-sur-Mer près de Marseille, opère l'une des plus grandes raffineries et pétrochimies de France. Les données SCADA (Supervisory Control And Data Acquisition) de ce site génèrent des séries temporelles continues depuis des milliers de capteurs (température, pression, débit, vibrations, analyse de composition chimique) sur les équipements critiques (turbines de turbogénérateurs, compresseurs centrifuges et à vis, échangeurs de chaleur, colonnes de distillation). Les missions data science portent sur la maintenance prédictive de ces équipements : des modèles de détection d'anomalies (LSTM Autoencoder, Isolation Forest) et de prédiction de la durée de vie résiduelle (Remaining Useful Life par XGBoost sur des features extraites des signatures vibratoires et de température) permettent d'anticiper les pannes et de passer d'une maintenance préventive systématique à une maintenance conditionnelle — économisant plusieurs millions d'euros par an sur les coûts de maintenance. Les données SCADA transitent par OSIsoft PI Historian (maintenant AVEVA PI) — la connaissance de cet outil est souvent un prérequis. Ces missions nécessitent une certification ATEX et une formation sécurité site industriel avant d'accéder aux données en production.

CMA CGM a structuré son architecture ML autour du pattern Lambda pour gérer la dualité entre les besoins de prédiction offline (entraînement de modèles sur des mois de données historiques) et les besoins d'inférence online (détection d'anomalies en quelques secondes sur les données temps réel des navires et conteneurs). La couche batch utilise Apache Spark pour le traitement des données historiques massives (logs AIS, données EDI de plusieurs années) et MLflow pour la traçabilité des expériences et la gestion des versions de modèles. Les modèles de prédiction des ETA (Estimated Time of Arrival) sont entraînés sur des années de données de transits réels avec des features contextuelles (météo, congestion portuaire historique, type de navire, saison). La couche streaming utilise Apache Kafka comme bus de messages pour ingérer les données temps réel des navires (positions AIS toutes les 10-30 secondes) et des conteneurs IoT, et des micro-services de scoring appliquant les modèles entraînés pour des alertes en quelques secondes (température hors norme d'un reefer, vibration anormale d'un moteur). Les data scientists freelances chez CMA CGM interviennent souvent sur l'amélioration des modèles batch, la mise en place du monitoring de dérive des modèles en production, ou le développement de nouveaux cas d'usage (prédiction de la congestion portuaire, optimisation de la vitesse des navires pour le Carbon Intensity Indicator IMO).

Avec BinchamTalent, votre dossier est visible directement par les Heads of Data, CDO et CTO qui lancent des projets data science, sans intermédiaire commercial. Vous négociez votre TJM en direct — sans marge d'ESN prélevée (typiquement 20-40 % du TJM facturé au client final). Le contrat est signé en direct avec l'entreprise cliente. BinchamTalent vérifie les recruteurs et leur sérieux, mais n'intervient pas dans la relation contractuelle une fois la mise en contact établie. En pratique, cela se traduit par une rémunération nette plus élevée pour des missions équivalentes, et une relation directe avec les équipes data — vous évitez les commerciaux d'ESN qui résument votre profil en quelques lignes et vous font parfois passer pour une ressource générique au lieu d'un expert spécialisé.

Oui, la data science est l'une des spécialités numériques où le full remote est le plus normalisé. Les livrables — modèles ML, notebooks documentés, APIs de scoring, rapports d'expérimentation — sont intégralement numériques et compatibles avec le travail à distance. En 2026, environ 65 à 70 % des missions freelance data science proposent le remote complet ou un hybride (1 jour sur site par semaine pour les réunions stratégiques et les ateliers métier). Les rares missions qui imposent du présentiel intensif concernent des projets sensibles (données de défense classifiées, données de santé très strictement encadrées) ou des phases de démarrage de mission nécessitant une immersion dans l'environnement technique et métier du client. BinchamTalent indique clairement pour chaque mise en contact les conditions de travail attendues par le recruteur, afin que vous n'ayez pas de mauvaise surprise une fois la discussion engagée.