Data Scientist H/F

Caisse des Dépôts et Consignations (CDC)

Au sein de la Direction des prêts de la Banque des Territoires, vous rejoignez l'équipe DPHD80 Data Etudes et Pilotage en tant que Data Scientist. Votre mission principale consistera à concevoir et mettre en oeuvre des outils de traitement automatique du langage (NLP) pour analyser, classifier et extraire automatiquement des informations à partir des documents textuels liés aux dossiers de prêt.

Vous pourrez être amené(e), ponctuellement et lorsque cela sera nécessaire, à participer à l'activité de production de données du service.

Les missions à réaliser seront notamment les suivantes :

1. Traitement automatique du langage et text mining

Mise en oeuvre d'algorithmes de text mining et de traitement automatique du langage sur les documents de la Direction des prêts (pièces justificatives, documents de dossier, etc.).
Développement de chaînes de traitement pour :

L'extraction automatique d'informations (ex. NER, extraction de champs structurés),
La classification de documents (typologie des pièces...),
L'amélioration de la qualité des données (normalisation...).
Utilisation de différentes approches statistiques et de modèles de machine learning, y compris modèles les plus récents de réseaux de neurones, afin de constituer automatiquement des bases de données à partir des documents textuels et d'en fiabiliser le contenu.
Vous participerez à la conception et au développement de services basés sur ces technologies, à destination des Clients et équipes de la Direction des Prêts.

2. Industrialisation et bonnes pratiques de développement

Vous participerez à l'industrialisation et à la bonne mise en oeuvre des outils de Data Science utilisés à DPHD80 :

Gestion et structuration du code, développement de packages internes, rédaction de documentation.
Contribution à la mise en place des bonnes pratiques (typage, qualité du code, versionnage Git/Bitbucket, etc...).
Utilisation de Docker pour emballer et déployer les applications de data science.

3. Analyse / collecte / enrichissement de données

Exploitation de bases de données, notamment en open data, afin d'enrichir les informations issues des documents (bases SQL, fichiers Parquet...).
Récupération d'informations complémentaires par web scraping, lorsque pertinent.

4. Utilisation de LLM et développement de ChatBot

Utilisation de différents LLM (Large Language Models) pour faciliter l'analyse des documents sous forme de textes ou autres (tableaux, graphiques, etc.) et constituer des bases d'entrainement de plus petits modèles.
Participation au développement d'un ChatBot pour répondre à des questions sur les documents, les procédures ou les données disponibles et produire de courts documents (notes thématiques, mails destinés aux clients, etc.)
Contribution à la veille sur les nouvelles méthodes et outils en NLP et IA générative.