Actuaire Data Scientist — Produit & Ingénierie IA

Conception d'un assistant RAG avancé capable de traiter et récupérer des connaissances à partir de contenus YouTube variés.

• Conception d'une architecture RAG alimentée par des chaînes et vidéos YouTube pour l'indexation et la récupération intelligente de contenu.
• Développement de l'orchestration des workflows avec LangGraph, structurant l'interaction multi-étapes entre les composants.
• Implémentation de Supabase et PostgreSQL pour le stockage structuré des contenus, métadonnées et embeddings générés.
• Intégration de pgvector pour la recherche sémantique et la récupération contextuelle des connaissances via requêtes vectorielles.
• Mise en place des chaînes LangChain pour la gestion des prompts et du traitement des informations extraites.

Conception d'une plateforme d'agents IA automatisant la recherche et le matching entre candidats et offres d'emploi.

• Conception d'une architecture multi-agents avec LangGraph pour orchestrer les workflows de recherche, normalisation et matching.
• Développement d'agents spécialisés pour la recherche d'offres d'emploi, la normalisation des données structurées et le matching CV-offres.
• Intégration d'outils externes et d'API REST pour accéder à des sources d'offres variées et étendre les capacités des agents.
• Automatisation des workflows d'extraction, de normalisation et de recommandation, réduisant les interventions manuelles.

Mission de recherche actuarielle chez CNP Assurances pour améliorer la modélisation des comportements de rachat en assurance emprunteur.

• Analyse critique de la méthode existante de construction des lois de rachat, identifiant les limites et opportunités d'amélioration.
• Développement d'un modèle additif généralisé (GAM de type Poisson) capturant les effets non linéaires des variables explicatives de façon plus robuste.
• Validation du modèle sur données historiques CNP et démonstration de sa supériorité par rapport à l'approche antérieure.
• Documentation rigoureuse de la méthodologie et des résultats dans le mémoire d'actuariat.

Développement d'une solution de normalisation et de géocodage d'adresses pour AXA, combinant NLP et intégration à la Base d'Adresses Nationale.

• Analyse et comparaison de plusieurs mesures de similarité (Levenshtein, Jaro-Winkler) pour évaluer leur efficacité dans l'appariement d'adresses assurées.
• Conception et entraînement d'un modèle RoBERTa pour la reconnaissance fine et la normalisation automatique des champs d'adresse (numéro, rue, code postal, ville).
• Intégration de l'API de la BAN pour associer les adresses normalisées à leurs coordonnées géographiques et codes INSEE.
• Pipelining de l'ensemble du processus (extraction NER, normalisation, géocodage, enrichissement) dans une application opérationnelle.

Réalisation de deux interfaces interactives pour la visualisation et l'analyse de risques et la tarification immobilière.

• Conception d'une interface R-Shiny de visualisation des risques naturels (séisme, inondation, sécheresse) avec cartographie dynamique et exploration spatiale.
• Développement d'une étude de correspondance entre codes INSEE et codes postaux, enrichissant les capacités de localisation des risques.
• Création d'une seconde interface de support à la tarification immobilière comparant plusieurs modèles de machine learning (GLM, GAM, Random Forest, Gradient Boosting).
• Implémentation de l'exploration dynamique des variables, leurs coefficients, et leurs performances respectives pour guider les décisions tarifaires.