Data Scientist H/FGroupama

« Etre là pour les autres, j'ai décidé d'en faire mon métier. »

Portée par nos 32 000 collaborateurs, notre campagne de communication employeur souligne ce qui nous rassemble et nous rend fiers au quotidien : notre métier, le point de départ de belles histoires, humaines avant tout. Cette campagne met l'accent sur ce qui nous différencie de nos concurrents : notre ADN mutualiste.

Au sein du Groupe Groupama, l'humain et le sens sont privilégiés. Nous recrutons des personnes et pas des diplômes, de belles personnalités qui seront demain au service de nos sociétaires et clients.

La signature de cette campagne « Etre là pour les autres, j'ai décidé d'en faire mon métier » résonne avec notre raison d'être « Nous sommes là pour permettre au plus grand nombre de construire leur vie en confiance. » et notre positionnement de marque. Etre là pour les autres, c'est le point de départ de notre métier. Et c'est aussi le point de départ de belles histoires qui font notre Groupe et notre identité en tant qu'employeur.

Des histoires vraies pleines d'humanité. Nos collaborateurs en ont plein à raconter ! Découvrez leurs belles histoires sur *** !

Vous aussi, vous voulez donner du sens à vos compétences ? Rejoignez nous !

Et sinon, le Groupe Groupama c'est plus de 50 entreprises dans 10 pays. Vous nous connaissez au travers de nos 2 marques commerciales Groupama et Gan. Nous accompagnons nos 12 millions de sociétaires et clients à chaque moment de leur vie grâce à nos experts et à notre savoir-faire.

Le rôle principal du Data Scientist est de soutenir les missions de l'équipe d'analyse quantitative du pôle Recherche, incluant notamment
de participer à la robustesse statistique des datasets ESG, participer à la recherche de signaux de création d'alpha et contribuer à la création d'un système de production d'information automatisé.

Les principales missions du poste sont les suivantes :

1. Prendre en charge la qualité des données corporate finance & ESG des entreprises
Collecter, nettoyer et fiabiliser les données d'entreprises, à partir de base de données existantes : états financiers, ratios, guidance, événements corporate (résultats, M&A, refinancement, buybacks…), ratings/credit
Collecter, nettoyer et fiabiliser les données ESG à partir de bases de données existantes
Normaliser et "industrialiser" : mapping émetteurs, calendriers d'événements, gestion des restatements, outliers, devises, secteurs.
Mettre enplace la data quality (tests, monitoring, data contracts)

2. Assurer la maintenance et l'évolution de l'outil de notation ESG en l'adaptant aux évolutions réglementaires et aux attentes des clients

3. Faire du Machine Learning pour la gestion actions et crédit: recherche d'alpha
Concevoir des features et signaux d'investissement (value/quality/leverage, révisions, facteurs fondamentaux, event-driven, ESG, etc.).
Développer des modèles ML/IA : scoring relatif, prédiction des comptes de résultats, classification d'événements, détection d'anomalies, modèles probabilistes
Valider statistiquement (dépendance / indépendance) et suivre dynamiquement les liaisons signaux entre cours identifiés
Utilisation régulière de l'IA Générative (recherche, aide au code, API), avec des notions avancées de prompt engineering

4. Mettre en production et itérer
Construire des pipelines réutilisables (ETL/ELT), automatiser l'entraînement et l'évaluation (MLOps light mais sérieux)
Versionner, tester, documenter : Un modèle n'existe pas s'il n'est pas reproductible
Livrer des outputs actionnables : notebooks "décision", dashboards, APIs internes

•Bac +5, école d'ingénieur ou école de commerce, double formation école de commerce/ingénieur serait très appréciée
•Minimum 3 ans d'expérience (idéalement en finance : AM, banque d'investissement, fintech...)
•Très bon niveau en Python (pandas/numpy, code propre, git, tests, notebooks, environnements Anaconda)
•Solides bases en statistiques, validation, expérimentation, séries temporelles
•À l'aise avec SQL et la modélisation de données.
•Expérience (pro ou projets solides) en ML appliqué : feature engineering, évaluation, robustesse
•Expérience préalable avec APIs
•Bonnes pratiques de développement : documentation (Markdown, JSON), versioning (git)
•Expérience en finance de marché / gestion / risk, ou forte appétence pour ces sujets
•Connaissance des données corporate (IFRS/US GAAP, KPIs sectoriels, crédit)
•À l'aise dans un environnement en construction (on crée, on teste, on améliore)
•Autonomie, rigueur et curiosité
•Esprit d'équipe
•Travaux orientés vers la satisfaction des besoins des gestions
•Excellentes capacités de communication, de rédaction et de synthèse
•Anglais courant