IA Ingé / Dev IA - Projet Anti-Fraude selon profil

Koino; Paris; Hybride; EUR 111 000 - 166 000; Plein temps

Résumé du poste

Koïno recherche un Ingénieur / Développeur IA spécialisé dans les projets anti-fraude pour une mission freelance. Vous concevrez, développerez et déploierez un algorithme de détection des anomalies et prioriserez les alertes pour optimiser les contrôles humains.

Vous travaillerez dans un environnement IA avec open source et GCP (BigQuery, Cloud SQL, Vertex AI), en interaction avec des équipes métier et des contrôleurs. Une expérience avancée en data science et conformité est attendue.

Qualifications

• 5 à 8 ans d'expérience en Data Science/ML appliqué.

Responsabilités

• Concevoir, développer et déployer un algorithme de détection des anomalies.

Connaissances

Détection d'anomalies

Python

SQL

GCP

Connaissance métier/règlementaire

Outils

Isolation Forest

Autoencoders

DBSCAN

TensorFlow

PyTorch

BigQuery

PostgreSQL

Qlik Sense

Description du poste

Ingé / Dev IA - Projet Anti-Fraude : mission freelance IA chez Koïno. Concevoir, développer et déployer un algorithme de détection des anomalies. Prioriser les alertes pour optimiser les contrôles humains.

Description du client

Il s'agit d'une mission dans le secteur de l'intelligence artificielle, au sein d'un département IA, pour une entreprise qui semble privilégier l'open source et utilise des technologies comme GCP, Qlik Sense, et Salesforce.

Le projet concerne la détection des anomalies dans les déclarations, visant à remplacer les contrôles manuels par une solution automatisée intégrant des données internes et externes. L'environnement comprend GCP avec des solutions telles que Cloud SQL PostgreSQL et BigQuery.

Détail & objectif de la mission

• Concevoir, développer et déployer un algorithme de détection des anomalies.
• Prioriser les alertes pour optimiser les contrôles humains.
• Intégrer une boucle d'amélioration continue basée sur les retours des audits et des contrôleurs.
• Formaliser la méthodologie de déploiement pour d'autres filières.
• Produire des livrables tels que l'algorithme déployé, documents méthodologiques, et dashboards de suivi.

Profil recherché

• Séniorité de 5 à 8 ans en Data Science/ML appliqué.
• Maîtrise des techniques de détection d'anomalies (Isolation Forest, Autoencoders, DBSCAN).
• Compétences en Python (pandas, scikit-learn, TensorFlow/PyTorch) et SQL (avancé/PostgreSQL/BigQuery).
• Expérience sur GCP (Cloud SQL, BigQuery, Vertex AI ou équivalent).
• Capacité d'interagir avec des métiers non-techniques et connaissance du domaine réglementaire appréciée.

Le client se concentre sur la conception et le déploiement d'un modèle sophistiqué visant à la détection d'anomalies dans les déclarations. L'objectif est de remplacer les contrôles manuels réalisés via Excel ou Qlik par une solution automatisée. Celle-ci intégrera des données internes telles que les historiques, les audits, et les évolutions de codification, ainsi que des sources externes comme les données du marché, INSEE, et BDF.

Le projet utilise les technologies suivantes :

• Solutions open source privilégiées

Objectifs de la mission

• Conception et développement : Créer et déployer un algorithme de détection d'anomalies.
• Identification : Identifier les déclarations anormales telles que la sous-déclaration, les erreurs de codification et les incohérences.
• Optimisation : Prioriser les alertes pour permettre une concentration des contrôles humains sur les cas les plus critiques.
• Amélioration continue : Intégrer les retours des audits et le feedback des contrôleurs dans un cycle d'amélioration.
• Documentation : Formaliser la méthodologie pour un déploiement aux autres filières.

Les livrables attendus comprennent :

• Algorithme de détection déployé dans le système d'information avec documentation complète.
• Document méthodologique détaillant la démarche, le choix de l'algorithme, et le features engineering.
• Guide pour le déploiement multi-filières.
• Métriques de performance et tableaux de bord de suivi.
• Recommandations pour la consultation de sources externes et amélioration continue des processus.

Profil recherché

• Séniorité : 5 ans d'expérience ou plus en Data Science ou Machine Learning appliqués.
• Compétences techniques requises :
• Maîtrise des techniques de détection d'anomalies (Isolation Forest, Autoencoders, DBSCAN, systèmes basés sur des règles).
• Expertise en Python, incluant pandas, scikit-learn, TensorFlow ou PyTorch.
• Compétences avancées en SQL, PostgreSQL et BigQuery.
• Expérience avec GCP, notamment Cloud SQL, BigQuery, et Vertex AI ou équivalent.
• Expérience en feature engineering appliqué aux données transactionnelles et déclaratives.
• Compétences fonctionnelles appréciées :
• Connaissance des domaines REP, éco-organismes, ou réglementaires.
• Expérience en détection de fraude ou contrôle de conformité.
• Capacité à collaborer avec des professionnels non-techniques, y compris les contrôleurs de gestion.

L'objectif est de concevoir et déployer un algorithme pour détecter les anomalies dans les déclarations et prioriser les contrôles.

Quelles sont les compétences techniques requises ?

Une expertise en techniques de détection d'anomalies, Python, SQL, et GCP est nécessaire.