Data Scientist IA - Secteur bancaire

Contexte

Dans un secteur bancaire ultra‑compétitif, la capacité à exploiter rapidement les données et les modèles d’intelligence artificielle tout en garantissant la sécurité, la conformité et la souveraineté des systèmes constitue le principal facteur différenciant. Le département AI Innovation ambitionne d’alimenter les équipes Factory Produit avec des insights IA fiables et sécurisés, afin de concevoir des fonctionnalités à fort ROI.

Expertise mobilisée pour la définition de l’architecture souveraine des modèles LLM, la mise en place d’une gouvernance robuste et le pilotage du cycle de vie complet des solutions IA, en étroite collaboration avec les équipes Produit, UX et IT.

Missions

• Transformation des données en insights actionnables : mise en place de pipelines de scoring, de RAG et d’agents autonomes capables de fournir des recommandations précises aux équipes produit.
• Priorisation des features IA à fort ROI via l’évaluation de l’impact économique, la faisabilité technique et la valeur client, et la traduction de ces priorités en user stories détaillées.
• Instauration d'une gouvernance du cycle de vie des modèles : fine‑tuning, déploiement, monitoring (drift, performance), gestion des incidents et procédures de rollback sécurisées.
• Fourniture de KPI clairs et mesurables (précision, latence, taux d’incidents, adoption, revenu moyen par client) via des tableaux de bord actualisés mensuellement, afin de démonstration de l’efficacité des nouvelles fonctionnalités IA.
• Facilitation de la collaboration inter‑disciplinaire (Produit, UX, IT) par la garantie que les exigences data‑driven et sécuritaires soient pleinement intégrées dès la conception jusqu’au déploiement.

Périmètre d'intervention

• Contribution à la mise en œuvre d'un pipeline CI/CD sécurisé – Scripts GitLab/Jenkins, tests d’intégration, validation de sécurité (scans de vulnérabilité, signature des artefacts) et procédures de rollback automatisées.
• Participation à l'élaboration d'un backlog IA‑driven enrichi – User stories techniques (OpenAPI), critères d’acceptation, priorisation ROI/feasibility, estimations d’effort et planning sprint.
• Intervention sur le déploiement des modèles IA en production : Modèles fine‑tuned (LLM, RAG, agents) déployés sur la plateforme Kubernetes. Scripts de déploiement (Helm/ArgoCD) et monitoring (Prometheus, Grafana, Langfuse).
• Contribution à l'établissement de tableaux de bord KPI AI & Security – Dashboard mensuel (Power BI / Grafana) affichant : précision, latence, dérive du modèle, taux d’incidents de sécurité, adoption des features, revenu moyen par client.
• Participation aux analyses d'impact ROI – Analyse post‑déploiement des fonctionnalités IA (gain d’efficacité, valeur client, retour sur investissement) présentée aux parties prenantes.
• Accompagnement et support aux équipes Produit, UX et IT – Supports (slides, notebooks) et sessions “AI‑Ready” afin d’assurer une adoption cohérente et sécurisée des solutions IA.