Développeur en recherche opérationnelle

Depuis sa première transaction en 2005, MAG Energy Solutions contribue à l’efficacité énergétique en Amérique du Nord via l'achat et la vente de contrats physiques et financiers d'énergie. Vous réaliserez des projets autour de diverses applications destinées aux traders et scientifiques de données de MAG Energy Solutions.

Vous rejoindrez une équipe dont le travail a un impact direct sur la performance des traders. Intégré au département de Modélisation de réseaux , votre rôle consiste à anticiper les congestions du réseau électrique et à fournir des analyses quantitatives fiables et rapides, permettant aux équipes de trading de prendre des décisions éclairées dans des environnements hautement compétitifs.

Ce que vous ferez :

• Formuler des modèles d’optimisation sous contraintes appliqués à des problématiques industrielles de simulation de réseaux énergétiques;
• Concevoir et implémenter la résolution des modèles en s’appuyant sur des solveurs performants, en analysant leur comportement (logs, convergence, qualité des bornes) et en améliorant leur robustesse et leurs performances;
• Développer des implémentations lisibles, structurées et maintenables, destinées à être utilisées en production;
• Collaborer étroitement avec les experts en simulation de réseau et les développeurs logiciels;
• Participer à l’évolution continue des modèles et des outils d’optimisation en proposant des améliorations concrètes basées sur l’usage opérationnel;
• Documenter les modèles, les choix algorithmiques et les résultats de manière claire et exploitable afin de faciliter la maintenance, l’évolution et le transfert de connaissances;
• Identifier , analyser et corriger des problèmes techniques dans le logiciel, en s’appuyant sur le débogage, l’analyse des logs et l’ajout de tests, afin d’améliorer la fiabilité des outils et de répondre aux besoins opérationnels.

Ce que nous recherchons :

Compétences techniques essentielles :

• Excellente maîtrise de l’ optimisation sous contraintes (modélisation et compromis algorithmiques);
• Expérience concrète d’utilisation de solveurs d’optimisation (Gurobi, CPLEX, Xpress ou équivalent), incluant l’analyse de leur comportement et de leurs performances;
• Capacité à transformer une formulation mathématique en solution exploitable en production;
• Solides compétences en implémentation d’algorithmes, avec une attention particulière à la complexité et aux performances ;
• Très bonne connaissance des structures de données et des algorithmes ;
• Capacité à écrire du code clair, structuré, testé et maintenable (Git, CI/CD);
• Capacité à diagnostiquer des problèmes de performance ;
• Maîtrise fonctionnelle de l’ anglais .

Compétences fortement valorisées (différenciateurs majeurs) :

• Maîtrise d’un langage compilé ou haute performance (C#, C++, Rust ou équivalent) ; Julia ou Python en complément;
• Utilisation avancée des solveurs ( callbacks, génération de coupes, heuristiques personnalisées );
• Connaissance des méthodes de décomposition pour la programmation mathématique;
• Expérience sur des problèmes de grande échelle ou à faible latence ;
• Sensibilité à la stabilité numérique (scaling, Big-M, sparsité);
• Expérience de mise en production de modèles d’optimisation .
• Compétences techniques optionnelles (un atout) :
• Connaissance des réseaux électriques ;
• Machine learning appliqué à l’optimisation ;
• Connaissance de SQL .

Formation :

• Excellence académique ;
• Avoir l’un des deux (2) profils suivants :
• Détenir une maîtrise ou un doctorat en mathématiques appliquées, en informatique, en recherche opérationnelle, en physique, en génie électrique ou tout autre discipline jugée pertinente;
• Détenir une expérience professionnelle pertinente minimale de trois (3) ans dans un domaine équivalent, combiné à une base solide en optimisation sous contraintes.

Compétences relationnelles :

• Esprit analytique marqué et rigueur technique dans l’analyse, la prise de décision et l’exécution;
• Capacité à collaborer efficacement avec des profils techniques et métier, dans un contexte exigeant et orienté résultats;
• Sens des enjeux opérationnels et clients, avec une capacité à prioriser et à livrer des solutions fiables dans des délais contraints;
• Être curieux (goût du challenge technique) et faire preuve de créativité .

Pourquoi choisir MAG?

• Conditions compétitives : Salaire de base compétitif avec rémunération variable basée sur la performance, ainsi que quatre (4) semaines de vacances dès l’embauche;
• Horaire typique : Quarts de travail de huit (8) heures du lundi au vendredi, horaire de jour, moyenne de quarante (40) heures par semaine;
• Perspectives d’avenir : Une opportunité clé dans un secteur en plein essor, avec un fort potentiel de développement et de rémunération;
• Avantages sociaux : Contribution de l’employeur au-dessus du marché à l’assurance collective (télémédecine comprise) et au régime de retraite;
• Mode de travail hybride : Tous les lundis, mardis et jeudis, les employés se réunissent au bureau pour favoriser la collaboration;
• Environnement de travail convivial : Poste de travail assis-debout, deux (2) à trois (3) écrans par personne, chaise et clavier ergonomiques, bureaux récemment rénovés, accès souterrain direct à partir du métro Peel, stationnement sécurisé intérieur pour vélos, salle de gym gratuite, déjeuners servis tous les lundis, mardis et jeudis, et ce n’est pas tout!;
• Culture d’entreprise dynamique : Réunions d’équipe lors des journées en présentiel, Golden Friday (½ journée de congé le dernier vendredi du mois), activités mensuelles (match des Canadiens, voyages organisés, View email address on ca.talent.com), valorisation de l’équipe plutôt que de l’individu, taux de rétention du personnel de 98% et beaucoup plus encore!

Notre processus de recrutement :

1. Entrevue de pré-sélection téléphonique;
2. Test psychométrique en ligne;
3. Première entrevue en personne;
4. Test technique à la maison;
5. Deuxième entrevue en personne, si nécessaire.

Postulez dès maintenant!

Envoyez-nous votre curriculum vitae ainsi que vos relevés de notes universitaires.