Machine Learning Engineer H/FCrédit Agricole

Rejoignez une entreprise au cœur des activités du groupe Crédit Agricole, de ses évolutions et de sa transformation.Holding et société cotée du Groupe, Crédit Agricole S.A assure la coordination, la cohérence et les synergies entre les entités pour porter les ambitions du Projet du Groupe.Les missions confiées à nos collaborateurs offrent une vision transversale des enjeux économiques et stratégiques du Groupe.En agissant chaque jour dans l'intérêt de la société, nous sommes un groupe engagé en faveur des diversités et de l'inclusion et plaçons l'humain au cœur de toutes nos transformations. Tous nos postes sont ouverts aux personnes en situation de handicap.

En tant que Machine Learning Engineer, votre rôle sera de développer et déployer des solutions de Data Science avancée

Vous rejoindrez la Direction Transformation Méthodes et Digital (TMD) rattachée à l'Inspection Générale Groupe :

Au sein de l'équipe Data Solutions, au cœur de la direction Transformations Méthodes et Digital (TMD) de l'Inspection Générale du Groupe Crédit Agricole, ce centre d'excellence composé d'experts Data/IA pilote et décline la stratégie Data et Ia de la Ligne Métier Audit Inspection (LMAI) qui réunit 1400 collaborateurs, répartis dans l'ensemble des entités et filiales en France et à l'International (Banque d'Investissement, Banque Privée, Gestion d'Actifs, Banque de Détail etc.)

Vous aurez pour missions principales de :

(Préciser de manière détaillée le contenu de la mission et si des déplacements sont à prévoir)

· Renforcer notre écosystème technologique (solutions, outils et plateformes Analytics, DataScience / IA et Gen AI) et industrialiser les cas d'usages développés

· Créer de nouveaux services et produits de Data Science permettant de renforcer le processus décisionnel de la LMAI, dans une parfaite maîtrise des risques associés, tout en assurant le suivi et l'amélioration continue des solutions déployées

· Collecter et exploiter des données structurées et non structurées, sur l'ensemble des macro-processus d'audit, par le biais de méthodes quantitatives (Machine / Deep Learning, Statistiques, etc.)

· Contribuer à l'enrichissement méthodologique (conception de formations, veille technologique etc.)