← All jobs

SCorp-io offers technical and energy management for buildings. It helps hotel, local authority and industrial technical teams supervise equipment and reduce consumption.

Information about SCorp-io
Sector
Software and internet
Model
B2B
Company type
Venture-backed
Stage
Startup early-stage
Headquarters
Paris
Official domain
scorp-io.com
Founded
2021 · 5 years
Published headcount
26 employees
Total funding published
5 M€Source ↗
Latest funding round
Early stage · 2026-03-01
Amount announced
6 000 000 $
Open jobs
3

Investors mentioned

Job details

The full description published by SCorp-io.

En tant que ML Data Scientist, tu développeras les modèles permettant à SCorp-io de comprendre, prévoir puis optimiser le comportement thermique et énergétique des bâtiments à partir de leurs données réelles. Tu travailleras notamment à partir de : Températures, Consommations, Météo, Occupation, Calendriers, Consignes, Commandes, Etats des équipements. L’objectif est de construire progressivement une boucle : Modéliser

  • Prévoir
  • Mesurer
  • Optimiser
  • Apprendre Tu travailleras au sein de l’équipe Produit & Tech, en lien étroit avec les développeurs, les experts CVC et les équipes opérationnelles. Tes missions 01 Machine Learning & modélisation 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, Exploiter des séries temporelles multivariées intégrant météo, occupation et historique de fonctionnement, Prévoir températures, besoins thermiques et consommations, Développer des fonctions d’ Optimal Start / Stop , Comparer différentes approches : modèles statistiques, Machine Learning, modèles dynamiques ou hybrides physique/data. 02 Mesure de performance Construire des baselines et modèles de consommation attendue, Mesurer l’écart entre prédictions et observations, Contribuer à l’évaluation des gains énergétiques et du ROI, Quantifier l’incertitude et détecter les dérives, Définir les conditions dans lesquelles un modèle est suffisamment fiable pour être utilisé. 03 Optimisation et industrialisation À mesure que les modèles gagnent en maturité : 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, Explorer des approches d’optimisation sous contraintes ou de contrôle prédictif, Participer à la mise en production, au monitoring et à l’amélioration continue des modèles.

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.

Un premier échange avec Sébastien, CPO Un entretien avec l’équipe Produit / Tech, Un cas ou échange technique autour d’un problème concret, Entretien final avec l’équipe dirigeante.

Requirements

  • Supervised Machine Learning
  • Time series and forecasting
  • Statistics
  • feature engineering
  • model validation
  • Backtesting
  • Numerical optimisation

Apply for this job

How do I apply?

The job is published on SCorp-io’s website. Open the original posting ↗ to submit your application. Screeningpass does not fill in a form for you.

Who should you write to at SCorp-io about this role?

Start a contact search from this page. Screeningpass suggests up to three people connected to the role. Choose whom to write to, then Screeningpass looks for their professional email and prepares a message. You review it and send it yourself with Gmail. An email address is not always available, and a reply is never guaranteed.

How much does finding a contact cost?

A search costs 1 credit. Your credit is returned if the search fails. Signing up gives you 3 credits, enough for 3 searches.

What does Screeningpass do?

Screeningpass brings together internships, apprenticeships and jobs published by companies. For a job, Screeningpass finds someone to contact at the company, looks for their professional email and prepares a message using your CV. See how it works in detail.