Dans le cadre de sa feuille de route en intelligence artificielle, ce client s'engage à développer et accélérer l?intégration des technologies de Machine Learning, Deep Learning, NLP (traitement du langage naturel) ainsi que des solutions d?IA Génératives. L?objectif est de maximiser l?exploitation des données, d?optimiser les processus opérationnels et d?améliorer l?expérience client.<br/> <br/> <br/> <br/> Objectifs et livrables<br/> <br/> Credit Risk Scoring<br/> <br/> Concevoir et optimiser, pour les équipes Risque et Validation, des modèles de scoring d?octroi et de comportement, en explorant des approches innovantes.<br/> <br/> Assurer la stabilité du coût du risque en entraînant et déployant ces solutions, tout en mettant en place un monitoring efficace de la dérive des modèles.<br/> <br/> Collaborer étroitement avec les experts métier et les équipes Risque pour garantir la pertinence et l?efficacité des solutions développées.<br/> <br/> <br/> <br/> <br/> Solutions d?Intelligence Artificielle<br/> <br/> Optimiser l?expérience client en intégrant en temps réel nos modèles d?IA via des API dans les parcours digitaux (ex. scoring en temps réel, personnalisation des offres de paiement, etc.).<br/> <br/> Participer à l?architecture technique pour une intégration fluide des modèles, en suivant les meilleures pratiques en matière de développement (notamment Cloud et MLOps).<br/> <br/> Collaborer avec les équipes Produit et IT afin d?industrialiser et déployer ces solutions à grande échelle.<br/> <br/> <br/> <br/> <br/> Intelligence Artificielle Générative (GenAI)<br/> <br/> Transformer les processus internes (Marketing, Audit, Risque, etc.) ainsi que la relation et le support client, en prototypant puis en déployant en production des solutions d?IA Générative sous forme d?agents (ex. LLM, RAG).<br/> <br/> Automatiser l?octroi de crédits, réaliser des analyses documentaires complexes et faciliter l?interaction avec la clientèle en mettant en place des architectures orientées agents.<br/> <br/> Évaluer, optimiser et suivre les performances des agents (cohérence, diversité, utilisation de LLM en tant que juge, etc.).<br/> <br/> <br/> <br/> <br/> <br/> <br/> Profil recherché :<br/> <br/> <br/> <br/> Nous attendons principalement une expertise de haut niveau en machine learning traditionnel, avec une maîtrise spécifique du risque de crédit. Le candidat doit également être capable d?évoluer vers des missions d?intelligence artificielle plus générales, y compris l?IA générative.<br/> <br/> <br/> <br/> Compétences en Data Science & Machine Learning<br/> <br/> Solide expérience en modèles supervisés : régression logistique, modèles basés sur arbres, Gradient Boosting (XGBoost / LightGBM).<br/> <br/> Connaissance et application des approches d?explicabilité telles que SHAP, LIME, et plus généralement de l?Explainable AI.<br/> <br/> Pratique des modèles génératifs et des grands modèles de langage (LLMs) via des plateformes comme OpenAI, HuggingFace, et techniques de fine-tuning.<br/> <br/> <br/> <br/> <br/> Environnement Data Engineering & MLOps<br/> <br/> Excellente maîtrise du langage Python et de l?écosystème ML : Pandas, Scikit-learn, MLflow, Pydantic, LangChain, LangGraph, FastAPI.<br/> <br/> Compétences en packaging, intégration continue/déploiement continu (CI/CD), tests avec pytest, gestion de feature stores.<br/> <br/> Déploiement de modèles sous forme d?API et création de pipelines automatisés via des outils comme MLFlow, GitHub Actions, Kubernetes, Docker.<br/> <br/> Suivi de la qualité des données, performances, métriques d?évaluation, back testing, détection de concept drift et data drift, utilisation de RAGAS, LLM en tant que juge.<br/> <br/> <br/> <br/> <br/> Outils & Cloud<br/> <br/> Expérience avec Azure (Azure ML, Foundry), Databricks, pySpark.<br/> <br/> Utilisation d?outils collaboratifs et de gestion de version : Confluence, JIRA, Bitbucket, GitLab, Azure DevOps.<br/> <br/> <br/> <br/> <br/> Une connaissance technique de Snowflake et des enjeux réglementaires dans le secteur bancaire (notamment scoring et conformité) serait un avantage.<br/> <br/> <br/> <br/> Profil souhaité<br/> <br/> Vous disposez de 5 à 7 ans d?expérience professionnelle.<br/> <br/> Vous avez un parcours mêlant Data Science et déploiement en production / MLOps.<br/> <br/> Vous êtes à l?aise pour discuter tant modélisation ML que conception d?architecture SI.<br/> <br/> Vous avez la capacité de collaborer avec différents départements : Risque, Paiement, Digital, Fraud, Conformité, etc.<br/> <br/> Vous aimez conduire des projets, expérimenter et travailler dans des environnements où l?IA impacte directement l?expérience client.<br/> <br/> Vous portez un intérêt pour les solutions d?IA générative et les approches agentiques.<br/> <br/> <br/> <br/> <br/> Compétences clés<br/> <br/> IA générative : Expert<br/> <br/> Data Science : Expert<br/> <br/> MLOps : Expert<br/> <br/> <b...