Stage Data Science H/FCrédit Agricole

Premier gérant d'actifs européen parmi les 10 premiers acteurs mondiaux (1), Amundi propose à ses 100 millions de clients - particuliers, institutionnels et entreprises - une gamme complète de solutions d'épargne et d'investissement en gestion active et passive, en actifs traditionnels ou réels. Cette offre est enrichie de services et d'outils technologiques qui permettent de couvrir toute la chaîne de valeur de l'épargne. Filiale du groupe Crédit Agricole, Amundi est cotée en Bourse et gère aujourd'hui près de 2 300 milliards d'euros d'encours (2). Ses six plateformes de gestion internationales (3), sa capacité de recherche financière et extra-financière, ainsi que son engagement de longue date dans l'investissement responsable en font un acteur de référence dans le paysage de la gestion d'actifs. Les clients d'Amundi bénéficient de l'expertise et des conseils de 5 500 professionnels dans 35 pays. Amundi, un partenaire de confiance qui agit chaque jour dans l'intérêt de ses clients et de la société. (1) Source : IPE « Top 500 Asset Managers » publié en juin 2025 sur la base des encours sous gestion au 31/12/2024 (2) Données Amundi au 30/06/2025 (3) Paris, Londres, Dublin, Milan, Tokyo et San Antonio (via notre partenariat stratégique avec Victory Capital)

Service d'accueil:

L'équipe « Méthodes & Solutions » à laquelle vous serez rattaché(e) est impliquée dans la conception et la construction des solutions d'investissement, que ce soit sur des aspects financiers ou extra-financiers, en appliquant des méthodes et techniques à la fois quantitatives et qualitatives.

L'équipe intervient sur une large partie de la chaine de valeur, depuis la réflexion initiale et la recherche méthodologique jusqu'à la mise en œuvre opérationnelle des solutions, en passant par les phases d'étude, de prototypage et d'industrialisation, avec l'appuis d'équipes IT et infrastructure.
Les profils de l'équipe sont complémentaires et présentent des compétences variées : ingénierie financière / mathématiques appliquées, analyses quantitatives, construction de portefeuilles, data science et data management.
Cette diversité permet à l'équipe d'aborder les projets de bout en bout, en associant expertise financière, maîtrise des données et capacités de développements informatiques.

Les missions:

Vos missions principales seront les suivantes :

participer à la mise en place d'un modèle ML d'analyse thématique d'un large corpus documentaire (langue anglaise), en s'appuyant sur des approches de NLP (Natural Language Processing) afin de suivre une mesure d'attention de thèmes identifiés et de détecter / structurer des thèmes émergents.
contribuer au développement d'une analyse de sentiment adaptée au contexte financier, puis à la construction de signaux combinant signal d'attention et sentiment.
proposer des outils de visualisation et de restitution permettant de rendre les résultats lisibles, comparables dans le temps et exploitables par les équipes.
poursuivre et consolider un pipeline de traitement en Python, afin d'intégrer de nouvelles données textuelles et de fiabiliser les traitements.
documenter les travaux réalisés, les choix méthodologiques et les résultats obtenus.
être force de proposition sur les méthodes mobilisées, via une veille de la littérature scientifique et un benchmark des approches pertinentes en NLP / text mining.
contribuer, à terme, à la formulation d'un signal « alpha » intégré dans les processus de gestion (optimisation de portefeuille).

Le stage s'inscrit dans une logique de recherche appliquée : au-delà du développement technique, le/la stagiaire sera attendu(e) sur sa capacité à challenger les approches existantes, proposer des pistes d'amélioration et faire progresser le projet sur le fond comme sur sa mise en œuvre.

Apport du stage :

Au sein de l'équipe, le/la stagiaire contribuera au développement d'un projet Machine Learning d'analyse documentaire appliqué à la gestion d'actifs (et plus particulièrement à la gestion thématique). L'objectif est de faire émerger des signaux quantitatifs exploitables pour l'analyse sectorielle/thématique et l'aide à la décision d'investissement.

Travailler sur un cas concret en data science dans le secteur de la gestion d'actif