Scientifique de données (Solaire & BESS)

EVLO est une filiale technologique d’Hydro-Québec menant des activités de recherche, de développement et de commercialisation des systèmes de stockage d’énergie. Gérée comme une entreprise indépendante, cette nouvelle filiale d’Hydro-Québec est à la fine pointe de la technologie et est formée d’une équipe dynamique d’ingénieurs et de techniciens qualifiés travaillant collectivement dans le but de rendre notre planète plus verte. L’expertise et les compétences de cette équipe multidisciplinaire sont mises à profit afin de répondre aux exigences en matière d’énergie renouvelable.

Nous avons besoin de gens comme vous pour atteindre nos objectifs, afin de conquérir le domaine du stockage d’énergie. Nous vous invitons à prendre une minute pour découvrir le produit sur lequel vous serez appelé à travailler à l’aide de cette courte vidéo : https://youtu.be/dhSWzz8iXG0

Vos défis

EVLO est une entreprise dynamique et innovante dans le domaine de la technologie des systèmes énergétiques, qui s'engage à faire progresser les solutions de stockage d'énergie et leur intégration avec les énergies renouvelables, notamment le solaire photovoltaïque. Nous recherchons un scientifique de données talentueux.se et motivé pour rejoindre notre équipe et jouer un rôle crucial dans l'optimisation des performances des batteries et des actifs solaires, à l’aide de l’analyse avancée des données.

Au sein de l’équipe Analytique, vous contribuerez à l’exploitation des données issues de batteries, de systèmes photovoltaïques et d’installations hybrides (PV + BESS) afin de développer des modèles et des outils qui façonneront l’avenir de nos solutions énergétiques.

Vous maximiserez la performance d’actifs solaires et de BESS (Battery Energy Storage Systems) grâce à des modèles avancés, des pipelines de données robustes et un socle MLOps de niveau production. Vous transformerez des flux OT/IT (historiens, SCADA, protocoles industriels) en produits analytiques et en modèles déployés de façon fiable (AKS), traçables (MLflow) et orchestrés (Dagster/Databricks Workflows).

Votre rôle et principales responsabilités – Vous devrez :

• Définir l’architecture, développer et maintenir des modèles prédictifs, des algorithmes et des outils statistiques pour l’évaluation du comportement et de la performance des batteries, des systèmes solaires photovoltaïques et des systèmes hybrides PV + stockage.


• Développer des modèles prédictifs pour l’état de santé (SoH), l’état de charge (SoC), la RUL et la dégradation cellulaire/module/système.


• Concevoir des jumeaux numériques et des modèles de performance PV (PR, pertes de salissure, mismatch, température) et de prévision (irradiance, production, charge/réseau).


• Mettre en place la détection d’anomalies (temps réel & batch) et la maintenance prédictive (batteries, onduleurs, BMS, PCS, trackers).


• Expérimenter et comparer des approches statistiques, ML classiques et IA générative avec évaluation rigoureuse.


• Concevoir des pipelines de données de bout en bout (ingestion/traitement/features/entraînement/déploiement/monitoring) avec Dagster et Databricks (Spark, Delta Lake).


• Structurer un Lakehouse (Bronze/Silver/Gold), gérer la qualité (tests de données, data contracts), la gouvernance (catalogue, lignée) et la sécurité (RBAC, secrets).


• Industrialiser le cycle de vie ML avec MLflow (tracking, registry, modèles versionnés), feature store, tests unitaires/CI/CD (gitlab,…), IaC (Terraform…).


• Emballer et servir les modèles sur AKS (conteneurs Docker), avec autoscaling, A/B tests, shadow traffic et observabilité (logs, métriques, traces, alertes).


• Intégrer et normaliser des flux temps réel et séries temporelles depuis historiens SCADA et équipements terrain.


• Mettre en œuvre des protocoles de communication industrielle;


• Développer des connecteurs robustes (gestion déconnexions, backfill, exactly‑once).


• Collaborer avec des équipes interfonctionnelles (ingénierie mécanique, logicielle, ventes et marketing, déploiement et exploitation), afin de définir, d'exécuter des stratégies d'analyse de données pour l'optimisation des performances, l’amélioration de l'efficacité énergétique, la fiabilité de nos produits des batteries/des systèmes solaires et de convertir les cas d’usage en produits analytiques


• Orienter la stratégie de la science des données en effectuant une veille technologique en continu, qui influencera la définition de la feuille de route annuelle.


• Analyser et interpréter de vastes ensembles de données relatives à la santé, aux performances et à la dégradation des batteries et des systèmes solaires.


• Concevoir et développer des systèmes de surveillance des données en temps réel et de détection des anomalies pour la gestion des batteries et des systèmes solaires.


• Concevoir et développer des visualisations de données et des rapports pour communiquer les idées et les résultats aux parties prenantes.


• Agir à titre de conseiller expert sur les dossiers d’intelligence artificielle et d’apprentissage automatique.


• Vulgariser des sujets complexes (données, modèles, incertitudes) auprès des parties prenantes et de la direction

Profil recherché

Votre éducation et expérience

• Baccalauréat en science des données, informatique, génie électrique (ou connexe)


• Maîtrise en science des données, informatique, génie électrique (ou connexe) — Ph. D. un atout.


• 6-9 ans minimum en science des données/ML appliqués, idéalement dans l’énergie, PV et/ou BESS.

Vos connaissances spécifiques

• Expérience confirmée en matière d'analyse de données, d'apprentissage automatique, d’intelligence artificielle et de modélisation statistique.


• Connaissances démontrées au niveau de la technologie des batteries.


• Expérience ou connaissances solides en systèmes solaires photovoltaïques.


• Connaissances démontrées des systèmes de stockage d'énergie


• Connaissance des marchés compétitifs de l’énergie (Connaissance des marchés de l’énergie, arbitrage, services réseau (FR, PIC, réserve). est un atout.


• Excellentes aptitudes à la communication pour présenter les résultats et collaborer avec des équipes interfonctionnelles.


• Motivation et capacité à travailler de manière indépendante sur des projets.


• Solides compétences en programmation dans des langages tels que Python, Matlab ou similaires pour la manipulation et l'analyse des données.


• Expérience dans les bases de données de type séries temporelles (historien).


• Maîtrise du français et de l'anglais, à l'oral comme à l'écrit.

Vos compétences

• Languages & scripting: Python SQL; Bash/PowerShell.


• Plateformes données/ML: Databricks (Spark, Delta Lake, Workflows), Dagster, MLflow,


• Orchestration : Dagster (ou Airflow),


• MLOps & CI/CD : Gitlab; tests (unitaires, données),


• Conteneurs & déploiement : Docker, Kubernetes / AKS, autoscaling.


• Stockage & bases : Delta, Parquet; séries temporelles (OSIsoft PI/InfluxDB/TimescaleDB/ CosmosDB).


• Observabilité : métriques, logs, traces; Grafana/Prometheus/ELK (ou équivalents).


• Protocoles industriels : OPC UA, Modbus, IEC 61850, DNP3, MQTT; notions SCADA/BMS/PCS.


• Expérience en performance PV (PR, POA/GHI/DNI, albédo, PVSyst/PVLib), batteries (SoC/SoH, C‑rate, RUL, aging).


• Expérience cloud Azure (Networking, Managed Identity, Key Vault, Event Hub, IoT Hub, Functions).


• IaC (Terraform…)


• Solides compétences en matière de résolution de problèmes


• Capacité à se familiariser rapidement avec les nouvelles technologies;


• Capacité à travailler de manière indépendante avec beaucoup d'énergie, d'enthousiasme et de persévérance;


• Capacité à travailler dans un environnement collaboratif.

Vous souhaitez en apprendre davantage sur le contexte du poste De Scientifique de données alors l’équipe EVLO vous invite à appliquer directement sur le lien prévu et nous nous chargerons de communiquer avec tous les profils ayant piqués notre curiosité.  

Nous vous remercions pour votre intérêt envers EVLO toutefois, prenez note que nous communiquerons uniquement avec les candidats sélectionnés.

Le masculin est utilisé pour alléger le texte.