LeHibou
Contexte Dans le cadre de sa transformation data et digitale, une institution financière souhaite renforcer son département Data Science, en charge de la conception, du développement, de l'industrialisation, du suivi, de la documentation et de l'amélioration continue des modèles de Data Science et d'IA à forte valeur métier. La mission s'inscrit dans un environnement réglementé, avec des exigences de conformité et de gouvernance incluant notamment le RGPD, l'anonymisation des données, DSP2, IDD, Solvency II, Bâle IV ainsi que les principes de sécurité, de traçabilité et de confidentialité applicables aux traitements de données. Les cas d'usage couverts incluent notamment la détection de fraude, la modélisation des valeurs résiduelles, le data lineage IA, les agents IA, ainsi que des sujets marketing et d'optimisation du parcours client. Parmi les priorités figure un projet de moteur d'offres personnalisées / personnalisation CRM, avec un objectif d'industrialisation, de réutilisation et de déploiement potentiel dans d'autres pays. Mission La prestation vise à renforcer l'équipe Data Science avec un profil capable d'accompagner des projets Data Science et IA, avec un focus prioritaire sur les sujets marketing, connaissance client et personnalisation CRM. Le consultant interviendra sur la conception, le développement, l'évaluation, l'industrialisation et le suivi de modèles de Data Science et d'IA. Il devra produire des solutions robustes, explicables, industrialisables et réutilisables, tout en garantissant leur performance, leur traçabilité et leur conformité aux standards internes. La mission portera en priorité sur le MVP France du moteur d'offres personnalisées / personnalisation CRM, construit à partir des données disponibles pour la France, avec un objectif d'appropriation par les équipes internes. Un second périmètre optionnel pourra couvrir l'extension à d'autres pays ainsi que d'autres cas d'usage marketing et connaissance client. Principales responsabilités Intervenir de manière autonome sur des cas d'usage complexes, du cadrage métier à l'industrialisation Réaliser l'exploration, l'analyse, la qualité et la préparation des données ainsi que la constitution des jeux d'apprentissage, de validation et de test Concevoir, entraîner, comparer et évaluer des modèles de Machine Learning, statistiques ou d'IA avec des métriques adaptées Développer des cas d'usage de marketing analytique et personnalisation CRM : moteur d'offres personnalisées, scoring d'appétence, ciblage de campagnes, segmentation client, recommandation produit, next best action / next best offer, mesure de performance marketing et optimisation de la conversion des leads Produire du code structuré, maintenable et documenté et préparer les modèles pour la mise en production Mettre en place des indicateurs de monitoring des performances, dérives de données, dérives de modèles, qualité et stabilité des traitements Concevoir des solutions réutilisables, documentées et industrialisables, intégrables dans des processus CRM ou commerciaux Garantir l'explicabilité, la traçabilité, l'auditabilité, l'identification des biais et la conformité aux standards internes Collaborer avec les équipes métier, Product Owners, Data Engineers, Architectes, équipes IT, Gouvernance et Sécurité Participer aux instances de suivi, assurer le transfert de compétences et restituer clairement résultats, limites et recommandations Environnement technique Langages : Python, SQL Cloud / Data : GCP, BigQuery, Vertex AI Data Science : Dataiku Orchestration : Airflow Versioning : Git Restitution : Looker Industrialisation : CI/CD, DevOps, MLOps, Docker Conformité et gouvernance : RGPD, anonymisation des données, explicabilité, auditabilité, monitoring ML Livrables attendus Analyses et diagnostics de données Scripts, notebooks, traitements ou composants analytiques documentés Modèles Data Science / IA entraînés, évalués et documentés Éléments d'explicabilité, de monitoring et de suivi des risques modèles lorsque pertinent Supports d'industrialisation, de mise en production et de suivi Documentation de transfert de compétences et recommandations d'amélioration continue Supports de restitution aux parties prenantes métier et techniques Livrables en anglais pour les éléments destinés à être partagés à l'international Compétences / Qualités indispensables : Python, SQL, Machine Learning / IA, GCP (BigQuery, Vertex AI), Dataiku, MLOps / industrialisation Compétences / Qualités qui seraient un + : Expérience en environnement bancaire, financier ou réglementé ; expérience en marketing analytique et personnalisation CRM
