Contexte et challenge

• Objectif : Développer un moteur IA capable de détecter automatiquement les transactions suspectes et les anomalies de péage.
• Enjeu métier : Améliorer la sécurité financière et la détection de fraudes pour réduire les pertes et les faux positifs.

Planning détaillé (sur 6 mois)

• Mois 1 : Analyse & cadrage (spécifications, définition des indicateurs et collecte des sources de données).
• Mois 2 : Collecte et préparation des données (nettoyage, feature engineering, stockage des logs/transactions).
• Mois 3 : Conception du modèle IA (choix d'architectures, prototypage, spécifications expérimentales).
• Mois 4 : Entraînement et tests (validation, mesures de performance, réglage hyperparamètres).
• Mois 5 : Intégration et visualisation (API REST, dashboard pour visualiser anomalies, conteneurisation Docker).
• Mois 6 : Validation, documentation et soutenance (rapport final, déploiement pilote, présentation).

Livrables & critères d'évaluation

• Livrables attendus : cahier des charges, modèle IA entraîné, dashboard anomalies, rapport final.
• Critères d'évaluation : pertinence du modèle, qualité des données, valeur métier apportée, qualité du rapport.

Profil recherché & qualités

• Public cible : élèves en Génie Logiciel, Data Science ou Intelligence Artificielle.
• Qualités attendues : autonomie, rigueur, curiosité analytique, sens de la confidentialité, orientation vers l'automatisation et l'optimisation des processus métiers.

Compétences techniques & outils

• Langages et bibliothèques : Python (pandas, scikit-learn, TensorFlow/PyTorch), notions de machine learning et LLMs pour analyse contextuelle (OpenAI/Gemini/Modèles locaux).
• Stockage et intégration : SQL, MongoDB (logs et transactions), REST APIs, Docker, Git.
• Visualisation / front : Développement Web pour dashboard (Angular ou React) et intégration BPM / Process Automation : Camunda BPM, bpmn-js.

Informations organisationnelles

• Nombre de stagiaires : 1.
• Responsable projet : Omar Turki.

📧 Pour postuler: jobs@numeryx.fr