Spare Parts Management / Technical Expert - Interconnection & Data Intelligence

A propos de Bull

Bull c’est une histoire. Un siècle d’innovation Européenne et un environnement de travail où des experts conçoivent des solutions numériques puissantes, durables et souveraines, permettant aux États et aux industries de garder la pleine maîtrise de leurs données et de leur IA.

Bull c’est aussi des milliers d’ingénieurs, de chercheurs, de passionnés de tech, façonnant l’avenir du calcul de haute performance, de l’IA et des technologies quantiques.

Chaque jour, nos équipes repoussent les limites du possible - des architectures HPC de nouvelle génération aux supercalculateurs exascale - soutenues par une R&D de rang mondial, plus de 1 600 brevets et des capacités de bout en bout uniques, couvrant la conception matérielle, l’ingénierie logicielle, la data science et la recherche quantique.

Centrés sur l’humain et portés par l’innovation, où la collaboration s’étend à l’Europe, aux Amériques et à l’Inde, nous partageons cette même vision d’une innovation responsable et durable, avec un impact concret pour nos clients.

Contexte

Bull est un acteur industriel historique de haute technologie, spécialisé notamment dans les environnements de calcul haute performance et les infrastructures critiques.

Dans le cadre de nos activités de Spare Parts Management, nous souhaitons renforcer notre expertise sur le périmètre Interconnection, avec un double objectif : assurer la continuité du support et du suivi du cycle de vie des composants, tout en faisant évoluer nos capacités d’analyse et de prévision grâce à la Data Science et à l’Intelligence Artificielle.

Notre ambition est claire : passer d’une logique d’analyse principalement descriptive à une approche automatisée et prédictive de la gestion des pièces détachées.

Vous reprendrez notamment un outil existant permettant de corréler plusieurs sources de données clés : évolution du parc installé, historiques et taux de panne, consommations de pièces détachées GLS et indicateurs de fiabilité.

Votre rôle sera à la fois d’en garantir la continuité et la fiabilité, mais surtout de faire évoluer cette solution vers un outil intelligent et prédictif, capable d’identifier des tendances, de détecter des anomalies et d’anticiper les futurs besoins en pièces de rechange.

Vous interviendrez de manière transverse entre expertise produit, gestion du cycle de vie, Data Intelligence et amélioration continue autour de quatre axes majeurs.

1. Support produit et gestion du cycle de vie Interconnection

• Assurer le support produit sur les composants du périmètre Interconnection.
• Suivre l’évolution et le cycle de vie des composants associés aux solutions concernées.
• Analyser les problématiques de fiabilité, de panne, de consommation et d’obsolescence.
• Contribuer à sécuriser la disponibilité des pièces détachées nécessaires au maintien des systèmes installés.
• Transformer les analyses techniques en recommandations exploitables pour les équipes en charge du Spare Parts Management.

2. Maintenance et évolution de l’outil Data existant

• Reprendre la maintenance et la maintenabilité de l’outil existant de suivi et d’analyse des pièces détachées.
• Garantir la fiabilité des traitements de données et des indicateurs associés.
• Maintenir et faire évoluer les tableaux de bord et indicateurs sous Power BI.
• Améliorer la qualité, la lisibilité et l’exploitation des données issues du parc installé, des historiques de panne et des consommations GLS.
• Pérenniser la solution afin de faciliter son utilisation et son évolution dans le temps.

3. Automatisation, Data Science et Intelligence Artificielle

• Automatiser progressivement les analyses de données actuellement réalisées manuellement.
• Mettre en œuvre des méthodes statistiques permettant d’identifier des tendances de fiabilité et de consommation.
• Intégrer des approches de Data Science, Machine Learning et Intelligence Artificielle afin d'améliorer la capacité prédictive de l'outil.
• Développer des mécanismes de détection d'anomalies permettant d'identifier notamment les comportements inhabituels, les risques de surconsommation ou les dérives de fiabilité.

4. Analyse prédictive et aide à la décision

• Développer des modèles permettant d’anticiper les taux de panne et les consommations GLS à moyen et long terme.
• Corréler l’évolution du parc installé avec les historiques de panne et de consommation.
• Identifier les tendances susceptibles d’avoir un impact sur les futurs besoins en pièces de rechange.
• Anticiper les risques liés à l’obsolescence ou à une évolution atypique des consommations.
• Transformer les résultats des modèles et analyses en recommandations concrètes permettant de faciliter la prise de décision.

Formation et Expérience

• Expertise académique : Formation supérieure Bac+5 de type école d’ingénieurs, Master informatique, Data Science, mathématiques appliquées, statistiques ou domaine technique équivalent.

• Expérience : Expérience significative sur des sujets combinant développement, analyse de données, automatisation ou outils d’aide à la décision.

• Une expérience dans un environnement HPC, infrastructures IT, hardware, systèmes complexes ou environnement industriel sera particulièrement appréciée.

• Une expérience liée à la fiabilité produit, au support produit, au cycle de vie ou à la gestion de pièces détachées constitue un atout.

Requis

• Solides connaissances en analyse statistique et exploitation de données.
• Capacité à manipuler, croiser et interpréter différentes sources de données.
• Capacité à reprendre et maintenir un outil existant tout en améliorant sa robustesse et sa pérennité.
• Bonne capacité d’analyse permettant de transformer des données techniques en recommandations opérationnelles.
• Intérêt réel pour la compréhension des environnements techniques complexes et des problématiques de fiabilité produit.
• Connaissance des environnements HPC.

Optionnel / fortement apprécié

• Expérience en Machine Learning et modèles prédictifs.
• Connaissances en détection d’anomalies, forecasting et analyse de séries temporelles.
• Expérience dans la mise en œuvre de solutions basées sur l’Intelligence Artificielle.
• Compréhension des architectures d’interconnexion et des composants associés.
• Connaissance en Power BI pour la création, la maintenance et l’évolution d’indicateurs et de tableaux de bord.
• Expérience autour de problématiques de Spare Parts Management, Supply Chain technique ou gestion d’obsolescence.
• Connaissance d’environnements industriels ou de produits disposant d’un cycle de vie long.

• Forte capacité d’analyse et goût pour la résolution de problématiques complexes.
• Autonomie et capacité à prendre la responsabilité d’un outil existant.
• Curiosité technique permettant de comprendre à la fois le produit, les données et les enjeux métier associés.
• Capacité à challenger les méthodes existantes et à proposer des solutions d’automatisation pertinentes.
• Approche pragmatique de l’IA : capacité à identifier les cas d’usage apportant une réelle valeur métier plutôt que d’utiliser l’IA comme une finalité.
• Rigueur dans le traitement, l’interprétation et la restitution des données.
• Capacité à communiquer des analyses complexes de manière claire et exploitable par les équipes opérationnelles.

• Domaine : Spare Parts Management / Support Produit / Interconnection.
• Environnement technique : HPC, infrastructures complexes et composants d’interconnexion.
• Data & Analytics : Power BI, statistiques, automatisation et analyse prédictive.
• Évolution attendue : intégration progressive de capacités de Machine Learning et d’Intelligence Artificielle au sein de l’outil existant.

Vous rejoignez un poste situé à la croisée de l’expertise technique, de la Data et de l’Intelligence Artificielle, avec un impact concret sur les opérations.

L’objectif n’est pas uniquement de produire des tableaux de bord : vous utiliserez les données disponibles pour comprendre le comportement réel des équipements, anticiper leur fiabilité et améliorer la gestion des pièces détachées.

Vous aurez également une réelle capacité à faire évoluer l’existant, notamment en automatisant les analyses aujourd’hui manuelles et en développant progressivement une approche prédictive permettant d’anticiper les besoins plutôt que de simplement constater les consommations passées.

1. Entretien de cadrage avec le TABP (Talent Acquisition Business Partner).
2. Entretien avec le management opérationnel.
3. Entretien technique permettant d’approfondir les compétences Data, Power BI et la compréhension du contexte technique.
4. Validation RH et proposition de contrat.

#Bull

Rejoignez-nous

Ici, vos idées, votre curiosité et votre excellence technique contribuent directement à façonner la prochaine ère du calcul avancé - en créant de la valeur pour les entreprises, en accélérant le progrès scientifique et en générant un impact positif pour la société.