Data Scientist > Lùkla > Joboolo FR :

Dans le cadre de sa stratégie Data & IA, notre client dans le secteur bancaire renforce ses équipes pour concevoir, entraîner, déployer et monitorer des modèles de Machine Learning, et intégrer les solutions d’IA Générative dans ses parcours clients et processus métiers.

Vous rejoignez une équipe Data innovante, à la croisée des enjeux opérationnels, réglementaires et technologiques.

Environnement technique :

 

• Modélisation & IA :
  
  Logistic Regression, XGBoost / LightGBM, SHAP, LIME, LLM (OpenAI, HuggingFace), LangChain, LangGraph




• ML Engineering :
  
  Python, Scikit-learn, MLflow, FastAPI, Pytest, GitHub Actions, Docker, Kubernetes




• Cloud & Big Data :
  
  Azure ML, Databricks, pySpark, Azure DevOps, Snowflake (atout)




• MLOps :
  
  CI/CD, Feature Store, API ML, Monitoring Drift, Backtesting, RAGAS, LLM as a Judge

Missions principales :

 

- Modélisation & Scoring crédit

• Développer et améliorer les modèles d’octroi et de comportement (logistique, gradient boosting)




• Monitorer les performances et la dérive des modèles dans le cadre réglementaire




• Collaborer avec les équipes Risques pour stabiliser le coût du risque

- Solutions IA & MLOps

• Déployer les modèles sous forme d’API pour les intégrer aux parcours digitaux (temps réel)




• Travailler à l’architecture technique des solutions ML dans une logique CI/CD




• Participer à l’industrialisation de l’IA avec les équipes IT, Produit et Risque

- IA Générative & Agents

• Prototyper des solutions d’IA Générative (LLM, RAG, Agents intelligents)




• Mettre en place des architectures Agentic pour améliorer les processus internes et l’octroi automatisé




• Évaluer la robustesse et la pertinence des agents via des outils d’analyse avancée (RAGAS, LLM as a Judge)

Livrables attendus :

 

• Modèles ML entraînés, versionnés et déployés




• APIs documentées pour intégration temps réel




• Pipelines d'entraînement & monitoring opérationnels




• Rapports de backtesting, dérive, explication des modèles




• Prototypes et déploiements GenAI en production (agents, automatisations)