Le projet vise à industrialiser l'analyse et la catégorisation des verbatims clients et collaborateurs, issus des enquêtes de feedbacks ou des réclamations, en s'appuyant sur l'intelligence artificielle. Les insights qualifiés ainsi générés seront exploités par la banque dans le cadre de l'amélioration continue des parcours clients et collaborateurs.

En tant que Data Scientist, vous contribuerez à la conception, l'entraînement et l?industrialisation des modèles d'IA qui répondent aux besoins métiers

Description des taches de la mission :

1. Cadrage

Collaboration avec les équipes métiers pour comprendre leurs problématiques liées aux verbatims clients

Accompagnement de la rédaction des spécifications fonctionnelles

2. Mise en place d'un dispositif d'annotation

Création d'échantillons (jeux d'apprentissage, de validation et de test)

Définition des règles d'annotation

Création d'un formulaire sur l'outil d'annotation

3. Détection de topics et classification de verbatims

Détection des topics abordés dans les verbatims et construire une catégorisation de verbatims avec l'aide du métier reposant sur les topics détectés

Classification des verbatims dans chaque catégorie

Intégration de l'analyse de la tonalité

4. Déploiement et suivi

Optimisation des modèles pour garantir leur performance en production

Développement des pipelines d'inférence robustes pour l'intégration des modèles dans les systèmes existants

Collaboration avec l'équipe MLOps pour le déploiement.

Suivi de la fiabilité des modèles et identifier les biais ou dérives dans le temps et procéder à leur amélioration le cas échéant.

5. Documentation et veille technologique

Documentation toutes les étapes des projets pour assurer la traçabilité et la reproductibilité.

Suivi de évolutions technologiques dans les domaines de l'IA

Profil recherché

Soft skills demandés

Esprit analytique : capacité à résoudre des problèmes complexes avec méthode.

Communication : capacité à vulgariser des concepts techniques et à prendre la parole.

Adaptabilité : capacité à s'ajuster rapidement à de nouveaux outils ou environnements.

Pragmatisme : capacité à proposer des solutions efficaces

Collaboration : capacité à travailler efficacement en équipe multidisciplinaire (Data Engineers, MLOps, Product Owners, etc.)

Mindset

Humble

Motivé

Exigeant envers la qualité de ses livrables

Communicatif

Environnement de travail

Hard skills demandés

Maîtrise des fondamentaux en Machine Learning et Deep Learning

Maîtrise de Python

Compétences en NLU, connaissance de BERT/ CamemBERT

Connaissances en annotation de données

Connaissances de l'écosystème Hugging Face

Compétences sur Git

Compétences sur la création d'environnement virtuels Python

les + (optionnel)

Compétences sur un outil d'annotation (Label Studio)

Compétences sur PyTorch

Connaissances en Unix/Shell

Connaissances autour des outils DevOps, en particulier GitLab CI, Docker, MLflow.

 - Le client: est une SSII spécialisée dans le placement des ressources humaines