Software Engineer – Risk Modelling & Data (H/F)

Rejoins Citalid, une entreprise innovante dans le domaine de la cybersécurité. En tant qu'ingénieur logiciel, tu seras responsable de la conception et du développement des services et API qui exécutent nos modèles de risque. Tu travailleras également sur l'industrialisation des modèles, l'analyse des sorties et l'explicabilité des résultats. Ce poste nécessite une solide maîtrise de Python, une expérience en ingénierie logicielle à forte composante data, et une connaissance des statistiques et de la modélisation quantitative.

• Concevoir et développer les services et API qui exécutent les modèles de risque, en assurant leur industrialisation et leur performance.
• Développer les pipelines d'ingestion et de transformation des données de menace et de posture, et implémenter en production des traitements quantitatifs.
• Assurer la qualité du code à travers le profiling, les tests, la revue, la documentation, et le respect des bonnes pratiques.

*\*\*\*Indispensable\*\*\**

• 2 ans minimum sur un poste d'ingénierie logicielle à forte composante data.
• Solide maîtrise de Python dans un contexte applicatif : algorithmie, structures de données, bonnes pratiques (PEP8, typage, tests).
• Profiling, optimisation des performances, gestion mémoire, calcul matriciel.
• Maîtrise de numpy et pandas ; connaissances solides en statistiques / probabilités / modélisation quantitative (dont méthodes de simulation type Monte Carlo).
• Connaissance d'un framework API Python (Django ou équivalent) et des pratiques backend associées.

*Un vrai plus*

• Librairies complémentaires : xarray, scipy, networkx, scikit-learn.
• Appétence ou expérience en cybersécurité, gestion du risque ou modélisation financière du risque.
• Expérience de l'industrialisation de modèles (MLOps, passage prototype → production).

*Ce qu'on attend au-delà des compétences techniques*

• Rigueur : documentation, tests, capacité à challenger ses propres résultats.
• Sens de la qualité et de la maintenabilité — produire un travail fiable dans le temps.
• Autonomie, tout en sachant demander de l'aide et confronter ses idées.
• À l'aise avec l'incertitude méthodologique : nos modèles évoluent, les bonnes réponses ne sont pas toujours écrites à l'avance.
• Capacité à dialoguer avec des profils variés (data, dev, produit, métier) et à vulgariser des sujets complexes.