Descriptif du poste: Principales missions : - Vision & Stratégie Produit IA : Porter la vision produit des solutions d'IA en étroite collaboration avec les équipes métier. Cela inclut d'identifier les opportunités d'usage de l'IA au service du Risque, du Paiement, du Digital et des autres lignes métiers, et de prioriser les projets en conséquence (focus valeur et faisabilité). - Gestion du Backlog & Priorisation : Être garant de la priorisation des initiatives Data Science/IA. Vous traduisez les besoins métier en features et user stories, alimentez et maintenez le backlog, et arbitrez les priorités en fonction de la valeur ajoutée attendue, du feedback utilisateur et des contraintes (réglementaires, techniques, ROI). Votre objectif est de maximiser l'impact business de chaque sprint livré. - Pilotage du Delivery Agile : Piloter la delivery des projets IA en méthodologie agile. Vous organisez et animez les cérémonies Scrum/Kanban (planification, revues, démonstrations, rétrospectives), suivez l'avancement des développements, et assurez la levée des obstacles en coordination avec les autres départements. Vous veillez au respect des engagements de qualité, budget et délais, et communiquez de manière proactive sur l'avancement auprès des sponsors. - Coordination Métiers-Data-IT : Jouer le rôle d'interface et de facilitateur entre les équipes Data Science, les équipes IT (architectes, MLOps, sécurité.) et les métiers sponsors. Vous travaillez en collaboration étroite avec les experts métier pour co-construire les solutions et favoriser leur adoption, tout en intégrant les contraintes techniques avec les équipes Data/IT pour une implémentation fluide. - Crédit & Risque (Scoring) - Use cases « Machine Learning » traditionnels : Sur ce pilier clé, vous pilotez les évolutions des modèles de scoring crédit (scoring d'octroi, scores comportementaux). En lien direct avec les équipes Risque et Validation, vous concevez et suivez les projets d'optimisation des scores existants et le développement de nouveaux modèles, en explorant des approches innovantes (par ex. nouvelles données, algorithmes avancés). Vous vous assurez que les modèles délivrés contribuent à la stabilité du coût du risque (suivi des KPIs de performance) et respectent les exigences réglementaires. Vous veillez également à la mise en production et au monitoring de ces modèles (détection de dérive, recalibrage), en collaboration avec les Data Scientists et Analystes Risque. - IA Générative & Agents : Vous explorez et déployez les cas d'usage liés à l'IA Générative pour transformer nos processus internes et la relation client. Concrètement, vous pilotez des projets d'agents IA (chatbots avancés, assistants cognitifs, systèmes à base de LLM, approches RAG - Retrieval-Augmented Generation). Par exemple, vous pourrez lancer des MVP d'agents pour automatiser l'analyse de documents complexes, assister les équipes internes (Audit, Marketing.) ou enrichir le support client. Vous définissez les objectifs et indicateurs   Profil recherché: Objectifs et livrables : - Management de Produit & Agilité : Expérience confirmée en tant que Product Owner (ou poste équivalent) dans un contexte agile. Vous savez définir une vision produit, gérer un backlog, rédiger des user stories et animer une équipe agile multidisciplinaire. Une certification Product Owner ou Scrum Master serait un plus - Culture Data Science & IA : Solide culture des technologies Data et IA. Sans être Data Scientist vous-même, vous comprenez les concepts clés du Machine Learning (modèles prédictifs supervisés, scoring, etc.) ainsi que les approches d'IA Générative (LLMs, agents conversationnels.). Vous êtes capable d'échanger de manière fluide avec des Data Scientists sur des sujets comme la performance d'un modèle ou le fine-tuning d'un LLM. Vous vous tenez informé(e) des avancées du domaine (ex : nouvelles offres d'OpenAI/HuggingFace, frameworks comme LangChain) et percevez comment les appliquer concrètement à des cas d'usage métiers - Coordination Technique & MLOps : Bonne compréhension de l'écosystème Data Engineering/MLOps. Vous n'hésiterez pas à participer aux discussions techniques sur l'architecture des solutions IA. Idéalement, vous êtes familier avec le cycle de vie d'un modèle ML : du prototypage à la mise en production Cloud (Azure, conteneurisation Docker/Kubernetes, pipelines automatisés), en incluant le monitoring (data drift, performance, feedback utilisateurs). Vous savez ainsi challenger et soutenir techniquement l'équipe dans les choix de solution, et comprendre les contraintes d'échelle et de sécurité propres au secteur bancaire - Outils & Méthodologies : Maîtrise des outils de gestion agile et de collaboration (JIRA, Confluence, etc.) pour assurer un suivi transparent des tâches et une documentation de qualité. À l'aise avec la data et le cloud,