Want to know if this job is worth applying to?
Paris, Île-de-France, France
Onsite
Rothschild & Co
Rothschild & Co est un groupe international de services financiers de premier plan, contrôlé par la famille depuis sept générations et au centre des marchés financiers depuis plus de 200 ans.
Notre expertise, notre savoir-faire et notre réseau mondial nous permettent de proposer une vision unique qui bénéficie à l’activité et la richesse de nos clients et de nos parties prenantes, en respectant notre planète.
Nos équipes de 4 200 spécialistes du conseil financier présents sur le terrain dans plus de 40 pays, apportent une vision internationale unique à travers quatre activités de premier plan – Global Advisory, Wealth Management, Asset Management et Five Arrows.
En notre qualité de groupe familial fondé sur les relations humaines, nous attachons une importance particulière au recrutement et au développement de carrière de nos collaborateurs afin qu'ils puissent s'épanouir dans leur parcours professionnel.
Contexte
Au sein du périmètre Wealth & Asset Management, le Centre d’Expertise Intelligence Artificielle accompagne le développement de solutions innovantes au service des métiers de la banque privée et de la gestion d’actifs. L’équipe intervient sur l’ensemble du cycle de vie des cas d’usage IA, depuis l’identification des opportunités jusqu’à l’expérimentation, la validation et le déploiement de solutions concrètes.
Dans un environnement international et exigeant, le CoE IA joue un rôle clé pour accélérer l’adoption de l’intelligence artificielle générative, tout en garantissant un cadre d’usage maîtrisé, sécurisé et conforme aux standards d’un groupe financier de premier plan.
Vous rejoindrez une équipe pluridisciplinaire travaillant en étroite collaboration avec les métiers, les équipes Data, les équipes plateformes, la sécurité et la conformité afin de transformer les besoins opérationnels en solutions IA utiles, robustes et industrialisables.
Rôle
En tant que Data Scientist spécialisé en intelligence artificielle générative, vous contribuerez à la conception, à l’évaluation et à l’industrialisation de solutions IA à forte valeur ajoutée pour les métiers du Wealth & Asset Management. Vous interviendrez depuis la compréhension du besoin métier jusqu’à la validation des modèles et prototypes, en lien avec des profils techniques et fonctionnels variés.
Missions principales
- Concevoir, développer et tester des solutions d’intelligence artificielle générative répondant à des besoins métiers concrets : assistants conversationnels, systèmes de recherche augmentée par génération, outils d’extraction documentaire, workflows d’analyse ou dispositifs d’aide à la décision.
- Préparer, structurer et analyser les données nécessaires aux cas d’usage IA, en veillant à leur qualité, leur pertinence, leur traçabilité et leur conformité.
- Définir et mettre en œuvre les dispositifs d’évaluation des modèles et des réponses générées : tests fonctionnels, mesure de performance, analyse des risques d’hallucination, robustesse et pertinence métier.
- Contribuer, en collaboration avec les équipes Data Engineering et plateformes, à l’industrialisation des solutions IA : intégration, automatisation des déploiements, monitoring, observabilité, gestion des environnements et préparation au passage en production.
- Documenter les modèles, les jeux de données, les choix d’architecture, les limites connues et les résultats d’évaluation afin de garantir la traçabilité et la bonne gouvernance des solutions.
- Accompagner les utilisateurs métiers dans la qualification des besoins, la formalisation des cas d’usage, l’interprétation des résultats et l’adoption des solutions IA.
- Participer à la veille technologique, aux expérimentations, aux preuves de concept et à l’identification de nouvelles opportunités d’usage de l’intelligence artificielle générative.
Compétences attendues
- Expérience confirmée en data science, idéalement acquise dans un environnement bancaire, financier, de conseil ou dans un contexte fortement régulé.
- Solide maîtrise de Python et des principales librairies de data science, machine learning et traitement du langage naturel.
- Bonne compréhension des modèles de machine learning classiques et des principes statistiques associés : classification, régression, clustering, séries temporelles, NLP.
- Expérience ou bonne compréhension des architectures d’intelligence artificielle générative : grands modèles de langage, recherche augmentée par génération, prompt engineering, évaluation de prompts, extraction d’informations, orchestration de chaînes ou workflows IA.
- Connaissance des mécanismes d’optimisation des modèles de langage, tels que finetuning, quantization, distillation ou techniques équivalentes, appréciée pour des usages industriels.
- Bonne compréhension des fondamentaux du Deep Learning et des systèmes d’IA agentiques.
- Expérience avec Azure OpenAI Service, Azure AI Foundry ou des environnements équivalents de développement et d’évaluation de solutions IA.
- Connaissance d’Azure Document Intelligence, Microsoft Fabric, PySpark ou d’environnements data cloud équivalents appréciée.
- Compréhension des bonnes pratiques MLOps : versioning, tests, pipelines d’intégration et de déploiement, monitoring, observabilité, documentation et passage en production.
- Sensibilité forte aux enjeux de gouvernance des données, de sécurité, de confidentialité, de conformité et de maîtrise des risques liés à l’IA.
Profil recherché
- 3 à 5 ans d’expérience minimum sur des sujets de data science, machine learning ou IA appliquée, avec une exposition significative à l’intelligence artificielle générative.
- Capacité à comprendre des problématiques métiers complexes et à les traduire en solutions analytiques ou IA concrètes, testables et industrialisables.
- Rigueur méthodologique, esprit d’analyse, sens de la documentation et attention portée à la qualité des livrables.
- Goût du travail en équipe et capacité à collaborer avec des interlocuteurs variés : métiers, Product Owners, Data Scientists, Data Engineers, équipes plateformes, sécurité et conformité.
- Autonomie, curiosité technologique, pragmatisme et capacité à expérimenter rapidement tout en respectant les contraintes d’un environnement régulé.
- Qualités de communication et de pédagogie pour rendre les sujets IA accessibles à des interlocuteurs non techniques et favoriser l’adoption des solutions.
