Data Scientist

Intégration de la Direction de l'innovation et de la prospective (DIP) de la Caisse des Dépôts pour concevoir et industrialiser des solutions d'intelligence artificielle et de traitement automatique du langage naturel.

• Préparation et mise à jour des données d'entraînement (nettoyage, filtrage et intégration de nouvelles catégories métier).
• Entraînement et comparaison de modèles de classification, atteignant une accuracy de 87 % sur les jeux de test.
• Livraison de nouveaux modèles adaptés à l'évolution des données et des catégories métier.
• Maintenance et amélioration continue du pipeline de classification multiclasse de courriers administratifs basé sur le NLP et le Machine Learning.
• Migration du pipeline sur Dataiku pour faciliter le réentraînement, l'exploitation et le suivi des modèles.
• Conception d'un système RAG destiné à faciliter la recherche d'informations dans une base documentaire interne pour l'aide à la réponse client sur de la documentation juridique.
• Structuration de deux bases de connaissances comprenant l'historique de demandes/réponses et la documentation métier de référence.
• Mise en place d'une recherche sémantique basée sur les embeddings BGE-M3 et l'indexation vectorielle avec FAISS.
• Conception de prompts permettant de générer une réponse contextualisée à partir des documents disponibles.
• Accompagnement et acculturation des équipes métier à l'utilisation de l'IA générative pour l'analyse d'appels d'offres.
• Recueil des besoins métier et conception de prompts adaptés aux cas d'usage d'analyse et de synthèse documentaire.
• Expérimentation et optimisation de différentes stratégies de prompting afin d'améliorer la pertinence et la qualité des réponses générées.
• Réalisation d'une analyse comparative des réponses générées pour améliorer la cohérence et la qualité des synthèses.
• Animation d'ateliers de formation et partage des bonnes pratiques du Prompt Engineering.

Stage au sein de la Caisse des Dépôts axé sur le traitement documentaire et l'extraction automatique de données.

• Développement d'une solution de traitement de formulaires administratifs numérisés comprenant l'extraction de texte, la détection et la correction de l'orientation des pages, ainsi que la récupération de données structurées avec PyMuPDF et OCR.
• Prise en main et analyse d'un pipeline de classification automatique de courriers basé sur des techniques de NLP et de Machine Learning.
• Suivi d'une formation sur Dataiku et obtention de 6 certifications autour de la Data Science, du Machine Learning, du MLOps et de l'IA générative.