Contexte

• Intégration de l'intelligence artificielle dans l'assurance transport pour améliorer la tarification, la gestion des sinistres et la détection de fraude.
• Projet référencé Réf # S25_2026 au sein du DÉPARTEMENT TRANSPORT de Zitouna Takaful, PFE 2026.

Objectifs du projet

• Explorer la tarification dynamique des polices grâce à l'IA afin d'ajuster les primes en fonction du risque et des comportements.
• Analyser l'automatisation de la gestion des sinistres pour gagner en efficacité opérationnelle et réduire les délais de traitement.
• Étudier et développer des solutions de détection de fraude basées sur le machine learning adaptées au marché tunisien.
• Proposer un plan d'intégration progressive de l'IA, avec recommandations techniques et organisationnelles adaptées au contexte local.

Missions principales

• Collecter, nettoyer et analyser les données liées aux polices transport, sinistres et comportements (logs, historiques, déclarations).
• Développer et tester des modèles de tarification dynamique (pricing) en Python ou R.
• Concevoir des algorithmes/méthodes de détection de fraude (supervisé/non supervisé) et évaluer leur performance.
• Étudier les possibilités d'automatisation des processus de gestion des sinistres (priorisation, triage, extraction d'informations).

Compétences requises et outils

• Profil recherché : Étudiant(e) en dernière année d’ingénierie informatique, informatique de gestion ou Ingénieur en statistique.
• Compétences techniques : maîtrise de Python et/ou R, bibliothèques de machine learning (scikit-learn, TensorFlow, Keras, caret, etc.), SQL pour manipulation de données.
• Connaissances souhaitées : statistiques appliquées, data preprocessing, évaluation de modèles, notions d'assurance/actuariat appréciées.

Livrables attendus

• Rapport technique détaillé incluant méthodologie, analyses exploratoires, modèles testés et résultats chiffrés.
• Prototype/code reproductible des modèles de tarification dynamique et de détection de fraude (notebook/script, documentation minimale).
• Plan d'intégration progressive de l'IA pour Zitouna Takaful, avec recommandations opérationnelles et indicateurs de suivi.

Durée et encadrement

• Durée du stage : 5 à 6 mois (PFE 2026).
• Travail en collaboration avec les équipes du département transport et le service RH/tech pour déploiement éventuel des prototypes.

📧 Pour postuler: rh@zitounakaful.com