Aller au contenu

IAMission freelance

Ingé / Dev IA - Projet Anti-Fraude

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.

Candidatures ferméesRéf. 26024
Lieu
Paris, télétravail
Rythme
Temps partiel
Expérience
5 à 8 ans
TJM
Selon profil

Publiée le .

Les candidatures sont fermées

3 missions ouvertes en IA en ce moment.

Voir les 3 missions ouvertes

Recevoir les prochaines missions en IA

Le 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.

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

Le 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
Lire la description complète

Description du client

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 :

  • GCP (Cloud SQL PostgreSQL, BigQuery)
  • Qlik Sense
  • Salesforce
  • 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.

FAQ

Quel est l'objectif principal de la mission ?

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.

De la candidature au démarrage

Ce qui se passe après votre candidature à une mission de Koïno Staffing.

  1. Vous postulez

    En ligne, sur rejoindre.koino.fr : votre CV, votre profil LinkedIn et votre TJM.

  2. L’entretien technique

    Un membre de Koïno et un profil technique vous reçoivent. Aucun profil n’est présenté à un client avant cet entretien.

  3. La présentation au client

    Koïno vous présente avec une fiche argumentée, écrite après l’entretien. Le client rencontre les profils retenus et choisit.

  4. Le démarrage

    Vous rejoignez l’équipe du client, au taux journalier. Koïno reste en contact avec vous et avec le client pendant toute la mission.

Comment Koïno Staffing choisit les experts qu’il présente

Les missions ouvertes en IA

16 missions ouvertes en ce moment chez Koïno Staffing, les plus récentes d’abord.

Toutes les missionsRejoindre la communautéLes métiers que nous staffons