Critères de l'offre
Métiers :
- Analyste de données (H/F)
- + 3 métiers
Secteur :
- Banque, Finance, Assurances
Diplômes :
- CAP / CFPA
- + 1 diplôme
Compétences :
- analyse de données
Lieux :
- Montrouge (92)
Conditions :
- Stage
- Temps Plein
L'entreprise : Crédit Agricole
Description du poste
Vous recherchez un stage en analyse de données et vous avez un intérêt pour le risque de crédit ? Alors cette offre est faite pour vous !
La Direction Risk and Permanent Control (RPC) fait partie de la Ligne Métier Risques (LMR) de Crédit Agricole S.A. Elle identifie, analyse, mesure et contrôle les risques de contrepartie, les risques de marché, les risques pays et de portefeuille ainsi que les risques opérationnels physiques et techniques sur le périmètre de Contrôle Interne de Crédit Agricole CIB.
Au sein de la Direction RPC, le Département « Projets & Credit Models » (PCM) se décompose en 4 équipes :
Credit Models avec deux sous-équipes MQP et NMC :
- MQP « Modèles Quantitatifs de Portefeuille »
- NMC « Notation et Méthodes de Crédit »
- ADS « Analytics, Data & Systems »
- APL « Asset and Portfolio Libraries »
- APM « Architecture and Project Management »
Vous intégrerez l'équipe « Modèles Quantitatifs de Portefeuille ».
Il s'agit d'une équipe pluridisciplinaire associant quants et experts métier du risque de crédit, pour explorer et développer des solutions innovantes d'analyse textuelle au service de la gestion du risque.
Concrètement, vos missions seront les suivantes :
Analyse de sentiment et détection de signaux d'alerte :
- Développement de pipelines d'analyse de sentiment adaptés au contexte financier
- Identification d'événements critiques : restructurations, litiges, changements de direction, difficultés opérationnelles
- Extraction d'entités nommées (NER) : entreprises, personnes clés, montants, dates, localisations
- Détection de thématiques récurrentes et de leur évolution temporelle (topic modeling)
Exploitation des Large Language Models :
- Prompt engineering : conception et optimisation de prompts pour extraire des informations structurées à partir de textes financiers complexes
- Benchmarking de LLM : évaluation comparative de différents modèles (GPT, Claude, Qwen, modèles spécialisés) sur des tâches spécifiques (classification, extraction, résumé)
- Mise en place de chaînes de traitement (RAG - Retrieval Augmented Generation) pour interroger efficacement de larges volumes documentaires
Intégration aux modèles de risque :
- Transformation des insights textuels en features quantitatives exploitables
- Enrichissement des modèles
Rejoindre Crédit Agricole CIB, c'est profiter d'une communauté importante de jeunes, évoluer sur un campus moderne offrant de nombreux services (boulangerie, salle de sport, etc.), bénéficier d'un suivi RH (matinée d'accueil, suivi régulier, etc.) et d'opportunités en alternance, VIE, CDD et CDI.

