Crédit Agricole S.A.

Au sein de la Direction de la Transformation Technologique Data & IA (TEC), la Direction Data & IA Groupe a pour ambition de maximiser la contribution de la Data et de l’Intelligence Artificielle au fonctionnement du Crédit Agricole. Elle s’appuie pour cela sur le DataLab Groupe pôle de référence en conception interne de solutions Data & IA innovantes et industrielles en partenariat avec les entités du Groupe.

 Le DataLab Groupe dispose de toutes les compétences Data coopérant au sein de Squads pluridisciplinaires selon une méthode interne d’inspiration Agile :

·       Data & AI Engineering visant à préparer les données, définir les architectures, infrastructures et « packager » les solutions qui y seront déployées pour intégration dans le SI,

·       Data Science Analytique et Sémantique pour concevoir des algorithmes d’Intelligence Artificielle basés sur l’open source exploitant respectivement des données structurées (tabulaires) et des données non structurée (texte, image, voix, vidéos) afin de répondre aux besoins exprimés par les métiers des entités du Groupe,

·       Gestion de projets qui avec l’ensemble des partenaires et équipes techniques du DataLab Groupe, permet d’identifier et étudier les opportunités, cadrer les projets et en coordonner la réalisation.

De formation supérieure en école d’ingénieur ou en université, avec une spécialisation dans la Data Analyse/Statistiques

- Très bonnes connaissances en Statistiques et Analyse de données

- Manipulation de bases de données sous SQL, Python, R, Excel

- Machine Learning et Intelligence Artificielle (apprécié)

- Connaissances en finance durable et/ou RSE (appréciées)

- Capacité à interagir avec des API web (apprécié)

- Grande rigueur et autonomie

- Aptitude pour le travail en équipe

- Communication claire

- Capacité à interagir

- Innovation/R&D et force de proposition

- Sensibilité et bonne compréhension des enjeux actuels (appréciées)

- Librairies de développement : Pandas / Polars

- Bonnes connaissances d’un outil de Cartographie (apprécié)