Data Scientist / AI Engineer (H/F)

Rattaché·e à l’équipe IA Factory de notre Direction de l’Innovation, vous êtes au point de rencontre entre la R&D en IA et le produit : vous transformez des intuitions et des signaux technologiques en preuves de concept, puis en briques réellement utilisables. Vous travaillez en proximité directe avec les Business Lines, les équipes produit et tech, et nos experts métier (analystes financiers, équipes Data Quality, Enquêtes & Analyses).

Ce que vous ferez concrètement

Exploration & prototypage

• Défricher de nouveaux usages de l’IA sur nos données, du cadrage de l’hypothèse à la preuve de concept

• Assurer une veille active (modèles, techniques, outillage) et la traduire en recommandations concrètes pour le produit

• Savoir arrêter une piste qui ne tient pas, et argumenter pourquoi

Modélisation & data science

• Concevoir, entraîner et challenger des modèles de scoring (risque de défaillance, propension, appétence) sur des volumes de données massifs et hétérogènes

• Travailler la feature engineering à partir de nos référentiels : bilans, liens capitalistiques, données légales, signaux faibles, données extra-financières

• Mesurer, documenter et défendre la performance de vos modèles (discrimination, stabilité, calibrage, drift)

IA & NLP

• Développer des briques d’IA appliquées au texte : extraction d’information dans des documents non structurés, classification, normalisation et résolution d’entités, génération de résumés.

• Prototyper et industrialiser des cas d’usage LLM / RAG à forte valeur métier, avec le niveau d’exigence qu’imposent nos clients en matière de traçabilité et d’explicabilité

Mise en production & run

• Industrialiser vous-même vos briques IA : packaging, tests, CI/CD, déploiement sur Kubernetes, exposition via API

• Assurer le run de ce que vous mettez en production : monitoring, gestion du drift, réentraînement, corrections

• Penser latence, coût et scalabilité dès la conception, pas au moment de la mise en production

Ici, l’innovation ne s’arrête pas au démonstrateur : l’équipe opère ses propres briques IA en production. Vous voyez vos travaux vivre chez de vrais utilisateurs, et vous en portez la responsabilité dans la durée.

Impact & collaboration

• Traduire un besoin métier flou en problème modélisable et savoir dire quand le ML n’est pas la bonne réponse

• Restituer vos résultats à des interlocuteurs non techniques de façon claire et honnête

• Contribuer à la culture data de l’équipe : revues de code, veille, partage