Trouvez votre prochaine offre d’emploi ou de mission freelance Consultant·e ERP (MS Dynamics, Oracle, Sage, SAP...)

L'équipe « IT Credit Risk » développe, maintient, fait évoluer et supporte un panel d'applications et de process utilisés par des professionnels du Risque de Credit. Ces derniers font partie de la direction des risques et sont divisés en 3 principales équipes : - KYC / AML - Credit Risk Analysts - Regulatory Au sein de cette équipe , le candidat interviendra sur plusieurs projets dont les principaux sont : - Gemstone : Dans le cadre des différents streams du projet global de modernisation des applications de trading (remplacement de la suite Meteor par la suite Orchestrade), participer à l'onboarding des process Crédit - Decoupling Meteor : Profiter du décomissionement de l'adhérence à la suite "In House" Meteor (au profit d'Orchestrade) pour concevoir des process innovants, robustes et résilientes, conçus sur un socle architectural basée au tour d'Azure Cloud. - Credit Digital : Mettre en place des outils digitaux dont un portail web, afin de permettre aux « Credit Risks Officer » de mieux manager le risque de Crédit. Mot clés : Cloud Azure, data leg, dataviz, IA, dataiku, … - Icaap : Dans le cadre Mettre la directive CRD4, mettre en place les recommandations du processus ICAAP - CVaR : Enrichir le framework (fonctionnel) et l'architecture (technique) de calcul des principaux indicateurs de risque de Crédit. - xVA : Dans un contexte de post crise Covid et guerre en Ukraine, contribuer à mettre à place un framework de gestion et d'optimisation du coût du risque de crédit La mission sera focalisée sur l'implémentation des spécifications fonctionnelles des besoins métiers sous-jacents aux aspects sus cités, cela en tirant profit des possibilités offertes par le Cloud Azure. Dans un contexte agile, et au travers d'une démarche orientée qualité (documentation, tests et automatisation des tests, rédaction de notes et procédures …), le developpeur devra travailler en étroite collaboration avec plusieurs stakeholders (les autres membres de l'équipe IT Credit, les principaux utilisateurs, les autres équipes IT de la BU GEMs, ...), afin de : - Participer à l'effort de digitalisation de l'activité en travaillant à la mise en place d'une plateforme web innovante, répondant aux standards et exigences de convivialité (UI/UX), performance, sécurité, accessibilité. - Intervenir sur les aspects « decoupling » et faciliter la transition du monde Meteor vers le monde Orchestrade en participant aux choix architecturaux. - Etre force de proposition et de critique - Participer enfin aux tâches d'assistance et de support aux utilisateurs du département Risque de Crédit.

🎯 Contexte de la mission Dans le cadre du développement de projets Data & IA pour l'industrie, nous recherchons un(e) Data Scientist / AI Engineer Senior pour intervenir sur plusieurs cas d'usage d'intelligence artificielle industrielle. Le consultant intégrera une équipe spécialisée en Data Science, AI Engineering et IA pour l'industrie, intervenant sur différents projets en fonction des priorités métiers. La mission sera réalisée en collaboration étroite avec les experts métier, équipes produit et partenaires technologiques. Les problématiques adressées pourront notamment concerner : Séries temporelles industrielles : détection d'anomalies, qualification d'alertes, réduction des faux positifs, prévision de variables procédé ou production. Maintenance et fiabilité : aide à la décision à partir des historiques équipements et maintenance, identification des modes de défaillance, optimisation des plans de maintenance. Données industrielles non structurées : extraction d'informations structurées depuis des rapports, journaux de maintenance et documents techniques. Optimisation de la production et des procédés : estimation de quantités, automatisation de la surveillance, priorisation d'opportunités ou d'interventions. IA agentique appliquée aux données industrielles : agents outillés et assistants IA combinant données, modèles et connaissances métier, avec des résultats traçables. 🛠️ Missions principales Cadrer les cas d'usage avec les équipes métier et produit : traduction du besoin en problématique Data/IA, définition des hypothèses, métriques métier et critères de succès. Explorer et qualifier les données : séries temporelles, données de maintenance, documents et données de production. Construire des jeux d'évaluation en collaboration avec les experts métier. Concevoir, développer et comparer différents modèles par rapport à des baselines métier solides. Travailler sur des modèles de Machine Learning, méthodes statistiques, modèles de fondation pour séries temporelles et agents LLM. Concevoir des briques GenAI / IA Agentique lorsque pertinent : RAG, extraction structurée, recherche sur cas historiques, agents outillés. Industrialiser les solutions : pipelines reproductibles, packaging, APIs, déploiement et supervision en production. Assurer le cycle de vie des modèles : suivi des performances, détection de dérive, réentraînement et documentation. Restituer les résultats, limites et recommandations aux équipes métier et au management. Contribuer aux décisions go / no-go sur les différents cas d'usage. 📦 Livrables Notes de cadrage et protocoles d'évaluation. Définition des métriques, baselines et jeux de données. Rapports d'exploration et benchmarks avec recommandations. Code versionné et testé. Modèles, agents et composants API déployables. Documentation des modèles. Indicateurs de suivi des solutions en production. 👤 Expérience recherchée 5 ans minimum d'expérience en Data Science / AI Engineering. Au moins 2 ans d'expérience sur des projets industriels. Expérience de modèles déployés et maintenus en production. Capacité à intervenir sur des problématiques Data Science et AI Engineering de bout en bout. 💻 Compétences techniquesExpertise Python et écosystème scientifique / ML : Pandas NumPy Scikit-learn PyTorch Modélisation de séries temporelles industrielles : Détection d'anomalies Analyse multivariée Prévision Données capteurs bruitées et irrégulières Conception d'évaluations rigoureuses : Métriques métier Baselines Arbitrage faux positifs / faux négatifs Reproductibilité des benchmarks Industrialisation de solutions ML de bout en bout : MLOps MLflow ou équivalent CI/CD Git / GitHub Packaging Supervision Maîtrise GenAI et systèmes agentiques RAG Sorties structurées Appels d'outils Orchestration d'agents Évaluation et traçabilité des LLM Plateformes Cloud et Data : Databricks Azure et/ou AWS SQL APIs / FastAPI Docker Nice to have Maintenance prédictive / conditionnelle Fiabilité et modes de défaillance RCA / Root Cause Analysis Opérations de production industrielle Oil & Gas Systèmes de données industrielles : PI / Historians Inmation SAP PM Cognite Data Fusion IA documentaire / Computer Vision : P&ID Plans techniques Usage critique de l'IA dans les pratiques de développement, avec maintien de la compréhension et de la responsabilité technique. 🤝 Compétences comportementales Profil Data Scientist / AI Engineer Forte orientation métier et capacité à relier la performance du modèle à la décision métier. Capacité à travailler avec des experts terrain : maintenance, fiabilité, production. Aptitude à vulgariser les résultats et les limites auprès d'interlocuteurs non techniques. Rigueur scientifique et esprit critique. Capacité à challenger les choix techniques et à exprimer un désaccord de manière constructive. Autonomie et organisation. Capacité à travailler dans un environnement Agile – Scrum / Kanban. Esprit d'équipe et partage de connaissances. Français courant. Anglais professionnel.