Automatisation de la validation:

• Créer un pipeline Python pour tester robustesse, performance et stabilité des modèles (AUC, Gini, KS, PSI/stability index), analyse de sensibilité/overfitting, tests réglementaires (backtesting IFRS9/FRTB).
• Générer automatiquement un rapport de validation standardisé (Word/PDF/PowerBI) via LLM.

Surveillance continue (Monitoring Agent):

• Intégrer EvidentlyAI, MLFlow, Arize pour détecter drift, biais, dégradation de performance.
• Concevoir un agent IA résumant les anomalies et proposant des actions correctives.

Orchestration agentique:

• Utiliser LangChain/CrewAI/AutoGen pour orchestrer des sous-agents: Validation, Documentation, Monitoring.

Prototype “Model Risk Dashboard”:

• Développer un dashboard (PowerBI/Streamlit) consolidant résultats et offrant une interface de supervision.

Exigences:

• Python (pandas, scikit-learn, statsmodels).
• MLFlow / EvidentlyAI / LangChain / CrewAI.
• LLM via API (OpenAI, Anthropic, Mistral).
• Streamlit / PowerBI / Git.

Durée et effectif:

• Durée: 5 mois (Fév – Juin).
• Nombre de stagiaires: 1.