Trouvez votre prochaine offre d’emploi ou de mission freelance Natural Language Processing (NLP) à Paris

1. Contexte du service Cette mission vise à établir un cadre complet de gestion des données non structurées afin de soutenir les initiatives axées sur les données et l'IA. Elle a pour objectif de définir des normes, des règles et des cadres garantissant la fiabilité et la réutilisabilité des données, et de faciliter le déploiement de solutions de données et d'IA évolutives grâce à la collaboration avec les parties prenantes concernées. Cette activité comprend le pilotage d'approches innovantes, la consolidation des enseignements tirés et l'alignement avec les stratégies de données globales. 2. Périmètre du service (liste non exhaustive) Développement du socle méthodologique de la gestion des données non structurées, aligné sur les meilleures pratiques du secteur. Définition et documentation des normes, règles et cadres garantissant la qualité, la cohérence et la réutilisabilité des données. Coordination avec les parties prenantes internes pour recueillir leurs retours et assurer l'alignement avec les objectifs stratégiques. Tests pilotes de cadres innovants pour les données non structurées et intégration des enseignements tirés dans les pratiques opérationnelles. Évaluation des fournisseurs de technologies, analyse comparative des solutions et recommandation d'outils et de plateformes adaptés. Évaluation des techniques de traitement documentaire (OCR, NLP, VLM), de la gestion des métadonnées, des ontologies et des solutions de bases de données vectorielles. Soutien aux initiatives de transformation liées à l'utilisation des données pour l'IA et l'analyse. 3. Prestations de service (liste non exhaustive) Un cadre méthodologique complet pour la gestion des données non structurées. Normes, politiques et règles documentées pour la qualité des données, les métadonnées et l'architecture des données. Rapports sur les projets pilotes, incluant les enseignements tirés et les bonnes pratiques. Rapports d'évaluation des fournisseurs et analyses comparatives. Documentation technique sur les techniques de traitement documentaire et les méthodes de transformation des données. Recommandations concernant les outils, les plateformes et les plans de mise en œuvre, en adéquation avec les besoins opérationnels.

1. Contexte du service : Cette mission vise à établir un cadre complet pour la gestion des données non structurées afin de soutenir les initiatives axées sur les données et l'IA. Elle a pour objectif de définir des normes, des règles et des cadres garantissant la fiabilité et la réutilisabilité des données, et facilitant ainsi le déploiement de solutions de données et d'IA évolutives grâce à la collaboration avec les parties prenantes concernées. Cette activité comprend le pilotage d'approches innovantes, la consolidation des enseignements tirés et la garantie de l'alignement avec les stratégies de données globales. 2. Périmètre du service: : Développement du socle méthodologique de la gestion des données non structurées, aligné sur les meilleures pratiques du secteur. Définition et documentation des normes, règles et cadres garantissant la qualité, la cohérence et la réutilisabilité des données. Coordination avec les parties prenantes internes pour recueillir leurs retours et assurer l'alignement avec les objectifs stratégiques. Tests pilotes de cadres de données non structurées innovants et intégration des enseignements tirés dans les pratiques opérationnelles. Évaluation des fournisseurs de technologies, analyse comparative des solutions et recommandation d'outils et de plateformes adaptés. Évaluation des techniques de traitement de documents (OCR, NLP, VLM), de la gestion des métadonnées, des ontologies et des solutions de bases de données vectorielles. Accompagnement des initiatives de transformation liées à l'utilisation des données à des fins d'IA et d'analyse. 3. Prestations de service: Un cadre méthodologique complet pour la gestion des données non structurées. Des normes, politiques et règles documentées pour la qualité des données, les métadonnées et l'architecture des données. Des rapports sur les projets pilotes, incluant les enseignements tirés et les meilleures pratiques. Des rapports d'évaluation des fournisseurs et des analyses comparatives. Une documentation technique sur les techniques de traitement de documents et les méthodes de transformation des données. Des recommandations concernant les outils, les plateformes et les plans de mise en œuvre alignés sur les besoins opérationnels.

Missions Conception et développement de services Data et IA pour la connaissance clients et la performance business Pilotage de la performance commerciale Détection d’insights, recommandations, prédictions Détails techniques Machine Learning : IA générative et agentique : techniques de mises en œuvre de LLMs, architectures RAG et agentiques, … Techniques NLP / NLU : embeddings, transformers, BERT, … Machine learning : régression, classification, clustering, détection d’anomalies, moteur de recommandations, séries temporelles Deep learning (architectures, transfert learning, fine tuning, …) IA responsable et de confiance, IA explicable, maîtrise des biais Maîtrise de Python pour la data science (sklearn, pytorch, keras, LangChain, LangGraph, …) Bases vectorielles et d’indexation texte et embeddings : Elasticsearch, Faiss, … Expérience avec la plateforme Dataiku Outils informatiques Langage : Python Prototypage : Gradio, Streamlit Outil de versioning : git Cloud : AWS Bedrock Expérience avec une architecture On prem serait un plus Curiosité intellectuelle, autonomie et réactivité Capacité de communication : capacité à analyser et synthétiser, pédagogie Force de proposition : capacité à proposer des solutions innovantes

Contexte Dans le cadre des projets IT Innovation, vous intégrerez l'équipe AI Factory/Innovation en tant que Data Scientist Senior avec une double mission stratégique : veille technologique et développement de modèles IA. Vous serez le référent technique sur les nouvelles approches IA/ML (LLMs, nouvelles architectures, techniques émergentes). Vous évaluerez la faisabilité technique des use cases métiers, benchmarkerez les solutions du marché (vendors, open-source) et réaliserez des quick POCs (2-3 jours) pour valider des hypothèses avant investissement. Vous concevrez et développerez les modèles ML/DL pour les use cases retenus, du choix des algorithmes à l'optimisation finale. Vous réaliserez des prototypes rapides (POC en 2-4 semaines) et accompagnerez un Data Scientist junior dans sa montée en compétences. Expert en vibe coding, vous utilisez les outils d'IA générative (GitHub Copilot, Cursor, Claude, ChatGPT) pour accélérer l'exploration de données, le prototypage de modèles, la génération de code d'analyse et la documentation, tout en gardant un esprit critique sur les résultats. Vous travaillerez en mode agile en proximité avec les équipes métier Products & Innovation, les développeurs IA, les architectes et les autres Data Scientists. La mission se déroule dans un contexte anglophone, la maîtrise de l'anglais est obligatoire.

Vous serez en charge du développement, de l'intégration et de l'optimisation des modèles d'intelligence artificielle pour les différents use cases métiers. Vous travaillerez en mode agile en proximité avec les Data Scientists, les architectes solutions, les équipes métier et IT des autres filiales de la banque. Vous aurez un rôle clé dans l'industrialisation et le déploiement des solutions IA en production. Expert en vibe coding, vous maîtrisez parfaitement les outils d'IA générative (GitHub Copilot, Cursor, Claude, ChatGPT) pour accélérer le développement tout en maintenant des standards de qualité élevés. Vous êtes capable de décomposer des problèmes complexes en instructions claires pour l'IA et de valider/optimiser le code généré. La mission se déroule dans un contexte anglophone, la maîtrise de l'anglais est obligatoire.

🏭 Secteurs stratégiques : Banque d’investissement 🗓 Démarrage : ASAP PAS DE FULL REMOTE NI SOUS TRAITANCE MERCI 🤝Description détaillée Dans le cadre du développement de projets d'AI au sein de la CIB, le client souhaite renforcer l'équipe principalement sur les problématiques back end. L'objectif de la mission est le développement d' un produit autour du NLP. Les projets sont de plusieurs types: - Conception et développement les services basés sur une architecture de micro-services évolutive. - Mise en œuvre de notre API REST ou de nos applications Web qui servent nos entreprises internes ou nos clients externes. - Ecriture du backend in Go et suivi des meilleures pratiques du marché en mettant en place le cadre de sécurité nécessaire à l'aide de OAuth2/OIDC. - Utilisation de notre pipeline d'intégration et de déploiement continu Utilisation des méthodologies Agile. Logiciels de production et d'expédition..

Dans le cadre de l’accélération des livraisons autour de la plateforme Orchestrade, un acteur majeur du secteur de l’énergie recherche un QA & Automation Engineer Junior pour renforcer l’assurance qualité applicative et l’automatisation des tests. La mission s’inscrit dans un environnement critique de trading et de gestion des risques, avec de forts enjeux de fiabilité, de conformité et d’industrialisation des processus QA. Contexte de la mission Au sein du département DMG de la GBU S&EM, le consultant interviendra sur la plateforme Orchestrade, progiciel financier stratégique remplaçant progressivement l’ancien système front-to-back Meteor. L’objectif est d’assurer la qualité de la chaîne applicative, fiabiliser les processus de validation, automatiser les campagnes de tests et intégrer progressivement les usages de l’IA générative dans la démarche QA. Missions principalesAssurance qualité Analyse des spécifications fonctionnelles et techniques Participation à la rédaction des cas de tests fonctionnels et techniques Exécution des campagnes de tests (fonctionnels, non-régression, intégration) Identification, qualification et documentation des anomalies Vérification de la conformité des applications avec les exigences métiers et réglementaires Participation aux recettes applicatives Automatisation & scripting Développement et maintenance des scripts de tests automatisés Contribution à l’évolution des frameworks de tests existants Automatisation des tests batch et applicatifs Intégration des tests dans les chaînes CI/CD existantes Generative AI Réalisation de POCs rapides via les outils IA Aide à la génération de cas de tests Analyse intelligente des anomalies Optimisation de la couverture de tests Participation à l’amélioration continue autour du test intelligent Environnement technique Python C# / .NET HTML / CSS / JavaScript Git / Jenkins / GitLab CI / Azure DevOps Outils de test : Test Manager, Quality Center, Ranorex Automatisation UI / API Automic ou ordonnanceur équivalent Frameworks Front : Angular ou React IA Générative / NLP / ML appliqué à la QA

Contexte OnSpark est un cabinet spécialisé dans la GMAO/EAM et l'intégration SI, en forte croissance (40 collaborateurs, CA 3,3 M€). Dans le cadre de la diversification de son offre vers la Data et l'Intelligence Artificielle, nous recherchons un Data Scientist pour accompagner nos clients grands comptes. Vous travaillerez sur des données massives et complexes, et contribuerez à des cas d'usage à fort impact : modèles de prévision, simulateurs, analyses statistiques avancées, détection de tendances, dans un environnement Big Data on-premise (Cloudera CDP, Cloudera Machine Learning) avec accès à des IDE modernes (Jupyter, RStudio, VSCode). Responsabilités Concevoir et entraîner des modèles de Machine Learning et Deep Learning Analyser des jeux de données complexes et volumineux Collaborer avec les Data Engineers pour la mise en production des modèles Accompagner les équipes métier dans l'interprétation des résultats Contribuer aux cas d'usage IA et NLP de la plateforme

Contexte Pour accompagner le rythme soutenu de livraisons d'Orchestade, nous recherchons un developpeur full stack passioné par l'intelligence articificielle et maitrisant principalement C# Dot Net, SQl, Python, Angular et/ou React Celui-ci aura pour mission principale le fait de participer à la mise en place d'un framework d’assurance qualité de toute la chaîne applicative au tour d'Orchestrade, en contribuant non seulement à la conception, l’exécution et l’automatisation des tests, mais aussi à l'automatisation/prototypage d'outils divers et variés qui seront de nature à améliorer la qualité ddu monitoring et du support. Description Ses responsabilités se déclinerons en plusieurs points : Automatisation & scripting • Développer et maintenir des scripts de tests automatisés • Contribuer à l’évolution des frameworks de tests existants • Participer à l’automatisation des tests batch et applicatifs • Intégrer les tests dans les chaînes CI/CD existantes Generative AI • Capitaliser sur les outils IA pour : o faire des des POCs rapides qui pourront ensuite être industrialisés o l’aide à la génération de cas de tests o l’analyse des anomalies o l’optimisation de la couverture de tests • Participer à des initiatives d’amélioration continue autour du test intelligent Assurance qualité • Analyser les spécifications fonctionnelles et techniques • Participer à la rédaction des cas de tests fonctionnels et techniques • Participer à l'exécution des campagnes de tests (fonctionnels, non-régression, intégration) • Identifier, qualifier et documenter les anomalies • Vérifier la conformité des applications avec les exigences métiers et réglementaires • Participer aux recettes applicatives Compétences techniques requises : o Langages & développement - Python : scripting, automatisation, manipulation de données - C#Dot NET : compréhension et tests d’applications backend - Front End (Angular et/ou React): pour mise en place de dashboard de visualisation et autres outils de reporting o Automatisation & tests - Bases solides en automatisation de tests - Outils de test UI et/ou API - Compréhension des pipelines CI/CD (Git, Jenkins, GitLab CI…) o Ordonnancement & batch - Automic ou outils équivalents - Compréhension des traitements batch, flux et dépendances o IA & data - Intérêt marqué pour l’IA generative - Notions de machine learning, NLP ou outils IA appliqués à la QA Livrables Ses responsabilités se déclinerons en plusieurs points : Automatisation & scripting • Développer et maintenir des scripts de tests automatisés • Contribuer à l’évolution des frameworks de tests existants • Participer à l’automatisation des tests batch et applicatifs • Intégrer les tests dans les chaînes CI/CD existantes Generative AI • Capitaliser sur les outils IA pour : o faire des des POCs rapides qui pourront ensuite être industrialisés o l’aide à la génération de cas de tests o l’analyse des anomalies o l’optimisation de la couverture de tests • Participer à des initiatives d’amélioration continue autour du test intelligent Assurance qualité • Analyser les spécifications fonctionnelles et techniques • Participer à la rédaction des cas de tests fonctionnels et techniques • Participer à l'exécution des campagnes de tests (fonctionnels, non-régression, intégration) • Identifier, qualifier et documenter les anomalies • Vérifier la conformité des applications avec les exigences métiers et réglementaires • Participer aux recettes applicatives Compétences techniques requises : o Langages & développement - Python : scripting, automatisation, manipulation de données - C#Dot NET : compréhension et tests d’applications backend - Front End (Angular et/ou React): pour mise en place de dashboard de visualisation et autres outils de reporting o Automatisation & tests - Bases solides en automatisation de tests - Outils de test UI et/ou API - Compréhension des pipelines CI/CD (Git, Jenkins, GitLab CI…) o Ordonnancement & batch - Automic ou outils équivalents - Compréhension des traitements batch, flux et dépendances o IA & data - Intérêt marqué pour l’IA generative - Notions de machine learning, NLP ou outils IA appliqués à la QA Profil recherché • Diplôme d'ingénieur en Informatique avec spécialisation en IA/Data • +10 ans d'expérience dont au moins la moitié en environnement de finance de marché et/ou matières premières • Forte appétence aux environnements techniques complexes • Grande capacité d'adaptation et d'autonomie, de resilience et de résistence au stress

Contexte : Dans le cadre de l’accélération de ses capacités en IA, notre client renforce son architecture autour de l’ IA générative . Projet avec des enjeux forts autour de : RAG (Retrieval-Augmented Generation) industrialisation de modèles GenAI scalabilité des solutions IA Missions : Piloter les projets de bout en bout (conception → prod) Driver les sprints (organisation, tickets, priorisation) Encadrer et faire monter en compétence les développeurs Définir et porter l’architecture backend IA Contribuer aux développements Python complexes Garantir les bonnes pratiques (code, perf, scalabilité) Compétences techniques Python (expert) IA générative (expérience industrielle obligatoire ) AWS (Lambda, Bedrock, SageMaker…) RAG / LLM / NLP Architecture backend & systèmes scalables

Dans le cadre de ses travaux de transformation IA, un grand groupe bancaire français recherche un Product Owner Senior pour accompagner la transformation de ses Centres de Relation Clients (CRC) via l’intégration de cas d’usage IA à forte valeur ajoutée. Le PO sera intégré à une direction Data/IA transverse , en lien direct avec les équipes métier CRC, les UX designers, les experts data (data scientists, data engineers), les équipes IT et les établissements du réseau. Les Centres de Relation Client représentent un axe stratégique de la transformation de l’expérience client. L’enjeu est de structurer, prioriser et piloter des cas d’usage IA dans trois grands domaines : Traitement de la Voix (speech-to-text, détection d’intention, analyse d’émotion) ; Analyse des Mails et Courriers (NLP, routage intelligent, résumé, classification) ; Déploiement ou amélioration d’Agents conversationnels (LLM, chatbot, voicebot) . Le Product Owner sera directement responsable de la mise en œuvre de plusieurs projets IA sur ce périmètre.

Nous recherchons un Data Scientist pour renforcer un centre d’expertise IA dédié à des cas d’usage liés à la vente d’énergie , avec un fort focus sur l’ IA générative . 🎯 Objectif : concevoir, déployer et industrialiser des solutions data & IA à forte valeur métier. 🚀 Missions Cadrage des projets et proposition de solutions data-driven Traitement et exploitation de données structurées & non structurées Conception de modèles ML / Deep Learning / GenAI Développement de solutions basées sur LLM & architectures RAG Mise en place de pipelines (parsing, extraction, normalisation de données) Déploiement sur AWS (SageMaker, Bedrock, S3…) Évaluation des modèles (NLP, RAG, robustesse, hallucinations) Industrialisation (MLOps, monitoring, optimisation des coûts) Communication des résultats & accompagnement métier Mentoring de profils plus juniors

Dans le cadre d’un programme réglementaire stratégique, nous recherchons un Senior Business Analyst pour contribuer à l’industrialisation d’une plateforme globale de Front Office destinée à renforcer la supervision des activités de trading et de sales. 🎯 Objectif : développer une plateforme de monitoring couvrant communications, ordres, transactions et données associées , intégrant des technologies d’analyse avancées (NLP / IA). 🚀 Missions Recueil et formalisation des exigences fonctionnelles et use cases Rédaction des spécifications fonctionnelles et techniques Coordination avec les Data Engineers et les équipes projet Participation aux sprints Agile et suivi des livraisons Conception de la stratégie data pour l’analyse multi-sources Organisation et pilotage des tests UAT Collaboration avec les équipes Business, Compliance et IT

Dans le cadre du renforcement des dispositifs de sécurisation des paiements électroniques et de la lutte contre la fraude, il est recherché un Data Scientist capable d’intervenir sur des problématiques de détection de fraude bancaire, scoring et authentification forte, analyse massive de données transactionnelles et optimisation de modèles prédictifs en environnement critique. Le poste s’inscrit dans un contexte à forts enjeux réglementaires et opérationnels, avec des traitements en temps réel et des volumes de données importants. Le contexte fonctionnel couvre : Paiement électronique & cartes bancaires Lutte contre la fraude Authentification forte Conformité réglementaire Analyse de risques transactionnels 🧩 MissionsAnalyse & Modélisation Analyse exploratoire et statistique de données transactionnelles massives Conception et amélioration de modèles de Machine Learning pour la détection de fraude Feature engineering sur données temporelles et comportementales Optimisation des performances des modèles (précision, recall, stabilité) Industrialisation & Production Déploiement et suivi de modèles de scoring en environnement de production Monitoring des performances des modèles (drift, précision, recall) Automatisation des traitements et du reporting analytique Participation à l’amélioration continue des pipelines data Collaboration métier Interaction avec les équipes sécurité, fraude et conformité Traduction des besoins métier en solutions data Création de tableaux de bord et visualisations exploitables par les métiers Documentation et présentation des résultats 🛠️ Environnements techniquesLangages & Data Science Python R SQL Machine Learning & IA Scikit-learn XGBoost / LightGBM / Random Forest PyTorch (optionnel) Approches RAG / NLP (bonus) Data Engineering & Big Data PySpark Écosystème Hadoop Traitements batch et temps réel Data & Visualisation Power BI Pandas NumPy Excel avancé Environnements complémentaires Elasticsearch PostgreSQL API Data / JSON Industrialisation de modèles ML Outils métiers (paiement / fraude) Plateformes de scoring temps réel (type Feedzai ou équivalent) Outils d’authentification forte Analyse comportementale fraude

En tant qu'Applied Scientist, vous êtes la force motrice de la phase de recherche et de développement des modèles d'IA, en assurant l'alignement entre les avancées technologiques et les objectifs stratégiques de l'entreprise. Responsabilités clés 1. Recherche et développement de modèles IA/ML (Phase de recherche) : Mener la recherche, l'évaluation et l'expérimentation de modèles d'IA et d'apprentissage automatique (par exemple, Deep Learning pour la recommandation, Gen-AI, NLP/Vision pour la recherche) afin de résoudre des problèmes commerciaux complexes. Sélectionner les sources de données appropriées et déterminer les indicateurs clés à suivre et à optimiser Développer des prototypes et prouver la faisabilité ainsi que l'impact attendu des concepts avant leur industrialisation. 2. Collaboration et industrialisation (Phase de déploiement) : Travailler en étroite collaboration avec les ingénieurs en apprentissage automatique (MLE) pour garantir que les modèles développés sont robustes, évolutifs et prêts pour le déploiement en production. Contribuer activement à la phase de déploiement et d'intégration des modèles dans l'architecture technique (Snowflake, AWS). 3. Suivi et amélioration continue : Participer au suivi des modèles en production, en se concentrant sur la détection des dérives (drift) et la dégradation des performances. Concevoir et proposer des itérations (tests A/B) pour optimiser en continu les performances des produits d'IA. 4. Expertise et transmission des connaissances : Assurer une veille technologique constante sur les avancées en IA/ML. Documenter et partager les connaissances et les meilleures pratiques au sein de l'équipe et avec les autres parties prenantes (Chefs de produit, Métier).