Project Overview

• Développer une plateforme d'analyse concurrentielle alimentée par IA pour le secteur e‑commerce capable de collecter, analyser et comparer les données produit de plusieurs retailers en ligne.
• Le système doit permettre le scraping continu des prix et des informations produit, le suivi de l'évolution des prix dans le temps et l'extraction d'indicateurs clés (KPIs) liés à la stratégie tarifaire, aux tendances de stock et aux dynamiques promotionnelles.

Objectifs & Fonctionnalités principales

• Implémenter un tableau de bord interactif combinant analytics, visualisation et intelligence stratégique pilotée par IA pour le monitoring du marché.
• Intégrer un moteur de recommandation (Recommendation Engine) basé sur des modèles de machine learning pour fournir des recommandations d'actions commerciales (ajustements de prix, timing promotionnel, priorités de réapprovisionnement).
• Ajouter des capacités de résumé en langage naturel via un LLM pour générer des rapports exécutifs automatiques hebdomadaires résumant les mouvements du marché et proposant des actions stratégiques.

Portée technique & Tâches principales

• Mettre en place des pipelines de collecte de données (scraping, APIs) robustes et résilients pour capturer prix, disponibilité, promotions et métadonnées produit.
• Concevoir ETL, stockage (bases temporelles pour séries de prix), et indexation pour analyses historiques et détection de tendances.
• Développer et entraîner des modèles ML pour l'identification d'opportunités, la prévision de tendances de prix et l'évaluation d'impact des promotions.
• Intégrer un module de génération de rapports avec un LLM pour produire résumés et recommandations actionnables.
• Concevoir et implémenter le front-end du dashboard (visualisations interactives, filtres, comparaisons cross-retailer) et APIs pour servir analyses et recommandations.

Technologies & Compétences techniques recommandées

• Outils possibles : Python (Scrapy, BeautifulSoup, Selenium), frameworks ML (scikit-learn, PyTorch, TensorFlow), bibliothèques NLP/LLM (Hugging Face, LangChain), infra (PostgreSQL, time-series DB, Redis), déploiement (Docker, FastAPI, Streamlit/Dash/Plotly).
• Compétences attendues : ingénierie des données, modélisation ML, pipeline ETL, visualisation de données interactives, intégration et évaluation d'LLM pour summarization.

Livrables attendus

• Un tableau de bord interactif et déployable combinant visualisations, indicateurs KPIs et module de recommandations IA.
• Pipelines de collecte et stockage des données avec documentation et scripts reproductibles.
• Modèles de machine learning entraînés et évalués (rapport de performance) et module de génération automatique de rapports hebdomadaires.
• Documentation technique et guide d'exploitation (installation, configuration, endpoints API).

Profil recherché

• Étudiant(e) en data science / machine learning / ingénierie logicielle avec appétence pour le e‑commerce et la data produit.
• Capacité à travailler sur bout en bout : collecte des données, feature engineering, modélisation, déploiement et visualisation.
• Autonomie, rigueur expérimentale, sens produit et capacité à transformer insights en recommandations actionnables.

Modalités de candidature

• Pour postuler, envoyez votre candidature à l'adresse suivante : hr@iovision.io .
• Indiquez en objet du mail le titre du projet et votre niveau d'études, et joignez CV + lettre de motivation / portfolio de projets pertinents.