Cadre etudes (data scientist) F/H

Dans le contexte actuel de transition énergétique, Enedis joue un rôle clé dans la gestion et l’optimisation du réseau de distribution d’électricité. Pour accompagner cette évolution, il est essentiel de maîtriser l’ensemble des flux électriques transitant sur le réseau, notamment :
- les consommations par segment de clientèle (résidentiel, industrie, agriculture, tertiaire…)
- les productions des installations raccordées (éolien, photovoltaïque, cogénération, hydraulique, bioénergie, stockage)
- les pertes électriques, liées aux dissipations thermiques des équipements ou aux fraudes

Au cœur de ces enjeux, le Département Bilan Électrique et Prévisions d’Enedis est chargé de :
- réaliser des analyses statistiques des consommations, productions et pertes électriques pour identifier les tendances et leurs corrélations avec divers facteurs (météo, sobriété énergétique, évolution du parc, rénovation, véhicules électriques, autoconsommation, prix de l’énergie, etc.)
- produire et diffuser des rapports stratégiques pour accompagner les acteurs du secteur énergétique dans leur prise de décision, en interne et à l’externe (bilans électriques publiés sur l’Open Data Enedis)
- calibrer des modèles de machine learning pour réaliser des prévisions sur un horizon allant de l’infra-journalier à 5 ans, au pas de temps 15 minutes
- développer des outils de suivi de la qualité des prévisions afin de limiter les pénalités financières

En tant que Data Scientist au sein du Département Bilan Électrique et Prévisions, vous contribuerez aux missions suivantes :
- Collecte et analyse des données : identifier, récupérer et exploiter les différentes sources de données nécessaires aux modélisations, en réalisant des analyses statistiques approfondies
- Modélisation prédictive : développer des modèles de prévision de la consommation et des pertes électriques, en intégrant des facteurs tels que la météo, les tendances du marché et les comportements des utilisateurs. Vous serez force de proposition sur les approches à tester et les variables explicatives à intégrer
- Intégration des modèles dans les SI : Accompagner la mise en production des modèles en pilotant leur implémentation en lien avec la DSI
- Veille et montée en compétences : Se tenir informé des avancées en data science et en prévisions énergétiques via des formations, des collaborations avec le monde académique et le suivi des travaux de R&D du groupe EDF
- Communication et restitution des analyses : Produire des synthèses destinés aux différentes directions métiers (comptabilité, contrôle de gestion, achat des pertes) en s’appuyant sur des outils tel que PowerBI
- Bonnes pratiques et collaboration : Contribuer à l’amélioration continue des méthodes de travail de l’équipe, notamment en garantissant une utilisation rigoureuse des outils de versioning (Git)
- Suivi des évolutions du marché de l’énergie : Assurer une veille active sur les dynamiques du secteur afin d’anticiper les impacts