Contexte & EnjeuxLes données de marché de référence (futures, yields, FX, indices, obligations) présentent de nombreuses anomalies non détectées, non tracées et souvent corrigées manuellement. Cette situation entraîne une perte de temps significative et impacte la confiance des équipes Research & Prediction. Objectif de la missionStructurer, fiabiliser et industrialiser les contrôles de qualité sur les données de marché, avec une approche à la fois technique et analytique. Les 3 axes principaux1. Audit Cartographie complète des contrôles existants Identification des gaps par classe d?actifs Construction d?un backlog priorisé 2. Implémentation Développement d?une librairie modulaire de quality checks en Python Remédiation des données historiques Gestion des escalades avec les fournisseurs de données (Bloomberg) 3. Industrialisation & IA Mise en place d?un monitoring automatisé (dashboards KPI, alerting) Industrialisation des contrôles en production Réalisation d?un POC basé sur des LLMs pour : Génération semi-automatique de contrôles Analyse des causes racines des anomalies