Missions principales 2.1 Vision & stratégie produit IA - Porter la vision produit des solutions d?IA en lien avec les équipes métier. - Identifier les opportunités d?usage de l?IA au service du Risque, du Paiement, du Digital et des autres lignes métiers. - Prioriser les projets en fonction de la valeur business et de la faisabilité (technique, réglementaire, ROI). 2.2 Gestion du backlog & priorisation - Être garant de la priorisation des initiatives Data Science/IA. - Traduire les besoins métier en features et user stories. - Alimenter, structurer et maintenir le backlog produit. - Arbitrer les priorités selon la valeur ajoutée attendue, le feedback utilisateur et les contraintes (réglementaires, techniques, ROI). - Maximiser l?impact business de chaque sprint livré. 2.3 Pilotage du delivery agile - Piloter la delivery des projets IA en méthodologie agile. - Organiser et animer les cérémonies Scrum/Kanban (planification, revues, démonstrations, rétrospectives). - Suivre l?avancement des développements et lever les obstacles en coordination avec les autres départements. - Veiller au respect des engagements de qualité, budget et délais. - Communiquer de manière proactive sur l?avancement auprès des sponsors et du management. 2.4 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. - Co-construire les solutions avec les experts métier et favoriser leur adoption. - Intégrer les contraintes techniques avec les équipes Data/IT pour une implémentation fluide des solutions IA. 2.5 Crédit & Risque (Scoring) ? Use cases Machine Learning - Piloter les évolutions des modèles de scoring crédit (scoring d?octroi, scores comportementaux). - En lien avec les équipes Risque et Validation, concevoir et suivre les projets d?optimisation des scores existants et le développement de nouveaux modèles. - Explorer des approches innovantes (nouvelles données, algorithmes avancés). - S?assurer que les modèles contribuent à la maîtrise/stabilité du coût du risque (suivi des KPIs de performance) et respectent les exigences réglementaires. - Veiller à la mise en production et au monitoring des modèles (détection de dérive, recalibrage) en collaboration avec les Data Scientists et Analystes Risque. 2.6 IA générative & agents - Explorer et déployer les cas d?usage liés à l?IA générative pour transformer les processus internes et la relation client. - Piloter des projets d?agents IA (chatbots avancés, assistants cognitifs, systèmes à base de LLM, approches RAG ? Retrieval-Augmented Generation). - Lancer des MVP d?agents pour : ? Automatiser l?analyse de documents complexes. ? Assister les équipes internes (Audit, Marketing, etc.). ? Enrichir le support client. - Définir les objectifs et indicateurs de succès de ces projets. - Superviser les étapes de prototypage et de déploiement en production. - Mettre en place des architectures agentiques robustes pour ces solutions. - Évaluer et optimiser les performances des agents (cohérence, pertinence, diversité des réponses), en s?appuyant sur des méthodologies de pointe (par ex. LLM as a Judge pour la qualité des réponses). - Garantir un usage responsable, sécurisé et efficace de l?IA générative pour l?entreprise. Missions génériques associées au rôle : - Mener la livraison d?un produit de qualité répondant aux attentes des clients et équipes métiers. - Élaborer la vision produit avec les utilisateurs et les équipes techniques (UX, marketing) et être responsable de la conception du produit. - À chaque sprint, vérifier que la direction prise est la bonne, que les priorités métier sont respectées et que la qualité des livrables est adéquate. - Identifier les attentes des utilisateurs et les bénéfices attendus du produit. - Réaliser des benchmarks des solutions du marché, notamment chez les concurrents. - Élaborer les fonctionnalités attendues et les prioriser dans le backlog produit. - Travailler en collaboration avec l?UX sur le parcours client cible et sa déclinaison en trajectoire (MVP). - Partager la vision produit avec les équipes de développement agile. - Définir et planifier les releases/versions du produit. - Créer chaque fonctionnalité retenue sous forme de user story suffisamment petite pour être implémentée en une itération, avec critères d?acceptation clairs. - Comprendre les "Technical Stories" (besoins non fonctionnels) et les "Defect Stories" proposées par les équipes de développement. - Répondre aux demandes de clarification des équipes de développement sur les stories en cours. - Contribuer aux réunions agiles avec les équipes de développement et le Scrum Master. - Faciliter la communication et la collaboration entre l?ensemble des parties prenantes et porter la voix métier avec persuasion. - Accepter ou refuser les stories implémentées par les équipes de développement. - Réaliser ou organiser les tests utilisateurs/métiers des versions (avec un...