Dans le cadre du renforcement de son dispositif de lutte contre la fraude, un acteur majeur de la protection sociale souhaite engager une démarche analytique avancée basée sur l?exploitation de ses données internes. L?objectif est de détecter, anticiper et prioriser les cas de fraude via des approches Data Science et Machine Learning. ? Objectifs de la missionIdentifier les schémas de fraude existants Développer des modèles de détection (supervisés / non supervisés) Mettre en place un scoring de fraude (segmentation des risques) Améliorer la détection précoce et les capacités d?investigation Proposer des outils et recommandations opérationnelles pour les métiers Profil candidat: Missions principalesCadrage et compréhension des enjeux métiers Analyse des typologies de fraude et des processus existants Cartographie et exploration des données Audit, nettoyage et préparation des datasets Modélisation (Random Forest, XGBoost, réseaux neuronaux?) Détection d?anomalies et gestion du déséquilibre des classes Évaluation des modèles (Precision, Recall, AUC?) Recommandations d?industrialisation Restitution des résultats aux parties prenantes ?? Environnement techniqueData Science / Machine Learning Python / outils analytiques Méthodes de classification et détection d?anomalies Traitement de volumes importants de données sensibles ? Profil recherchéExpérience significative en Data Science / Data Analytics Expérience sur des cas de fraude ou assurance/santé appréciée Forte capacité d?analyse et de structuration Aisance à interagir avec des équipes métiers Sensibilité forte aux enjeux RGPD et sécurité des données ? Contraintes / EnjeuxManipulation de données sensibles (notamment santé) Respect strict des règles de confidentialité et de sécurité Environnement exigeant en termes de gouvernance des données ? Livrables attendusRapport d?analyse détaillé Modèles de détection de fraude Recommandations stratégiques et opérationnelles Présentation aux parties prenantes