Pelica (YC P25) recrute un ingénieur en apprentissage automatique pour transformer les opérations de santé

Pelica recrute un ingénieur machine learning

Pelica, start-up américaine spécialisée dans l’intelligence artificielle appliquée à la santé, annonce le recrutement d’un ingénieur en apprentissage automatique (machine learning). La société, qui fait partie de la cohorte P25 de Y Combinator, souhaite renforcer son équipe technique pour accélérer le développement de sa plateforme destinée aux soins fondés sur la valeur (value-based care).

Un système d’exploitation pour les soins de santé

Pelica se présente comme le système d’exploitation des soins de santé fondés sur la valeur. Sa solution technique agrège les données de remboursement (claims), les dossiers médicaux électroniques (EHR), les informations pharmaceutiques, de laboratoire et les données d’admission et de sortie des patients (ADT). Ces informations, souvent dispersées et hétérogènes, sont consolidées en un enregistrement unique et vivant par patient. Sur cette base, un copilote d’intelligence artificielle est déployé pour assister les équipes dans plusieurs domaines : ajustement des risques, qualité et étoiles Medicare, gestion de la pharmacie (Part D), réseau de prestataires et gestion des soins.

Fondée par d’anciens responsables de l’ingénierie et de l’intelligence artificielle de Google et YouTube, l’entreprise affirme vouloir résoudre des problèmes complexes en équipe, avec une approche itérative et une vision de long terme. Les cofondateurs ont notamment conçu des infrastructures et des systèmes de machine learning à grande échelle. « Nous croyons en la résolution de problèmes difficiles ensemble en équipe, en itérant rapidement et en construisant des logiciels avec une réflexion et une propriété à long terme », indique la société sur sa fiche de poste.

Détails du poste et rémunération

Le poste d’ingénieur en machine learning est proposé sous forme de contrat, avec une rémunération annuelle comprise entre 80 000 et 150 000 dollars. Il est basé à San Francisco, en Californie, mais le télétravail est également possible. Aucune exigence de citoyenneté ou de visa américain n’est requise.

Missions principales

L’ingénieur recruté sera responsable de la conception et de la maintenance de systèmes de machine learning en production, de bout en bout. Cela inclut la modélisation des données, la construction de caractéristiques (feature engineering), l’entraînement, l’évaluation, le déploiement et la surveillance des modèles. Il devra également concevoir des pipelines de données capables de transformer des données brutes et complexes du secteur de la santé en caractéristiques exploitables pour les modèles.

Les modèles à développer couvriront des tâches de classement, de priorisation et de prédiction, notamment l’identification des patients à haut risque ou des cas prioritaires. Le déploiement se fera sous forme de services fiables ou de traitements par lots, avec des mécanismes de versioning, de surveillance et de retour en arrière pour garantir la robustesse.

L’ingénieur collaborera étroitement avec les développeurs backend et les responsables produit pour intégrer l’apprentissage automatique dans les workflows réels. Il participera aux décisions architecturales concernant le choix des modèles, les métriques d’évaluation, la fréquence de réentraînement et les garde-fous du système, en équilibrant précision, explicabilité, fiabilité et contraintes opérationnelles.

Compétences et expérience recherchées

Le candidat doit justifier d’au moins un an d’expérience dans le domaine. Les compétences techniques attendues incluent la maîtrise de Python, d’Amazon Web Services (AWS), de l’apprentissage automatique, de la modélisation des données et de l’analyse de données. Aucun niveau d’études spécifique n’est mentionné.

Comment postuler

Les candidatures sont à soumettre via la plateforme de recrutement de Y Combinator, où la fiche de poste est hébergée. Pelica précise que les candidats travailleront directement avec les fondateurs et auront l’opportunité d’apprendre aux côtés d’ingénieurs ayant construit des systèmes massifs à grande échelle dans des entreprises comme Google et YouTube.