Contexte et objectif

• Plateforme de détection de fraude utilisant des techniques d'IA avancées pour identifier patterns frauduleux, collusions et anomalies dans les remboursements d'assurance santé.
• Objectif : construire un système multi-vectoriel capable de détecter actes fictifs, surfacturations, ordonnances contrefaites et motifs spatio-temporels anormaux.

Missions principales

• Développer des modèles de détection pour actes fictifs et surfacturations (classification supervisée et semi-supervisée).
• Implémenter un système de scoring prédictif multi-critères pour prioriser les cas à investiguer.
• Créer des algorithmes de détection de motifs anormaux spatio-temporels et d'analyse comportementale entre prestataires.
• Intégrer la détection d'ordonnances contrefaites par Computer Vision et produire pipelines d'ingestion et d'évaluation.

Compétences techniques et stack

• ML/DL : XGBoost, Random Forest, LSTM, Autoencoders; implémentation en Python (scikit-learn, XGBoost, PyTorch ou TensorFlow).
• Graph Analysis : NetworkX, Graph Neural Networks pour détection de collusions et analyses de réseaux de prestataires.
• Computer Vision : modèles et techniques pour détecter ordonnances contrefaites (OCR, classification d'images, détection d'anomalies visuelles).

Profil recherché et livrables attendus

• Profil : Data Scientist avec expertise en fraude et expérience en anomaly detection.
• Expérience recommandée : mise en production de modèles, évaluation de performances (AUC, PR, FPR ciblés), traitement de données tabulaires et séries temporelles.
• Livrables : modèles entraînés et évalués, système de scoring multi-critères, algorithmes spatio-temporels, preuve de concept CV pour ordonnances, documentation technique et rapport de stage.

Modalités de candidature

• Durée estimée : 3-6 months.
• Modalités : hybrid (possibilité de travail à distance et interventions sur site selon besoins).
• Pour postuler, envoyer votre candidature par e-mail à stages@healio.tech en précisant l'objet de l'email indiqué ci-dessous.