Data scientist (H/F)

Banque de France; Louvaines; Sur place; EUR 10 000 - 15 000; Temps partiel

Résumé du poste

Banque de France recherche un stagiaire en Donnée pour étudier les interconnexions financières sous forme de réseaux et simuler les propagations de crises. Sous supervision d’un Data Scientist, vous modèlerez le réseau, développerez un modèle de contagion et explorerez les approches GNN pour prédire la vulnérabilité des nœuds et l’évolution des liens.

Ce stage vise à former sur les méthodes avancées de data science appliquées au secteur financier et à travailler en équipe sur des projets à forte

Qualifications

• Étudiant en école d'ingénieurs avec spécialisation Data Science, IA ou mathématiques appliquées.
• Compétences solides en ML et manipulation de données.
• Intérêt pour l'économie et la supervision financière est un plus.

Responsabilités

• Modélisation du réseau financier et graphes (Knowledge Graph).
• Conception et intégration d'un modèle de contagion pour simulations de crises.
• Étude exploratoire des Graph Neural Networks et comparaison avec méthodes classiques.

Connaissances

Machine Learning

Python

ML frameworks

Pandas

SQL

Économie financière

Communication non technique

Formation

École d'Ingénieurs

Outils

PyTorch

TensorFlow

Scikit-learn

Description du poste

Type de recrutement : Stage

Domaine de compétences : Donnée

Ville : Paris

Département : Paris

Description du poste:

Dans le système financier, les institutions sont fortement interconnectées. Comprendre la structure de ces interconnexions est crucial pour anticiper les risques systémiques. L'objectif de ce stage est d'étudier ces interconnexions financières sous forme de réseaux, afin de simuler la propagation de crises et d'identifier les vulnérabilités structurelles.

Sous la supervision d'un(e) Data Scientist, vos missions s'articuleront autour de trois axes principaux :

• Modélisation du Réseau (Knowledge Graph):
  • Modéliser les interconnexions financières (flux, expositions, dépendances) sous forme de graphes.
  • Analyser les propriétés topologiques du réseau (centralité, connectivité, communautés) pour en comprendre la structure.
• Développement du Modèle de Contagion:
  • Concevoir et intégrer un modèle de contagion (ex: modèle de type cascade de défauts, propagation épidémique ou dynamique de diffusion).
  • Simuler les réponses du réseau face à des chocs financiers
  • Identifier et cartographier les goulots d'étranglement et les nœuds systémiques critiques du réseau.
• Exploration de Solutions IA Avancées (GNN):
  • Mener une étude exploratoire sur l'apport des Graph Neural Networks (GNN) pour prédire la vulnérabilité des nœuds ou l'évolution des liens sous contrainte.
  • Comparer les approches de modélisation classiques avec les approches Deep Learning sur graphes.

Profil recherché:

Formation :

• Actuellement en École d'Ingénieurs avec une spécialisation en Data Science, Intelligence Artificielle ou Mathématiques Appliquées.

Compétences techniques :

• Compétences théoriques et pratiques solides en Machine Learning.
• Maîtrise de Python et d’un ou plusieurs frameworks de ML (par exemple : PyTorch, TensorFlow, Scikit-learn…).
• Bonne pratique de la manipulation de données (Pandas, SQL, …).
• Intérêt pour l’économie et la supervision financière ; une connaissance du secteur financier est un plus mais n’est pas indispensable.

Qualités personnelles :

• Grande curiosité intellectuelle, goût pour l’innovation IA et l’expérimentation.
• Envie de travailler sur des sujets impactants et de creuser les dernières technologies (Digital twin, GNN, Transformers…).
• Sens du travail en équipe, capacité à vulgariser et à dialoguer avec des interlocuteurs non techniques.
• Rigueur, autonomie, et sens de l’éthique dans l’usage de l’IA.

La Banque de France est une institution socialement responsable, attachée au respect de la diversité sous toutes ses formes, à la lutte contre les discriminations, à favoriser la parité Femme/Homme et à garantir un environnement de travail de qualité.

Des aménagements de poste peuvent être organisés pour tenir compte des handicaps des personnes recrutées.