Data scientist (lutte contre la fraude)

A propos de STET:STET est l’opérateur interbancaire européen, leader sur le processing des paiements SEPA et des cartes.

Nous proposons aux banques qui sont nos clientes un catalogue de services : la compensation interbancaire / le paiement instantané / l'autorisation bancaire / la digitalisation des moyens de paiement / la prévention de la fraude / l'authentification bancaire.

Notre entreprise à taille humaine repose sur 4 principes d'action : coopération, exemplarité, reconnaissance, cohésion.

Le monde des paiements subit depuis quelques années des mutations importantes (développement de l'instantanéité et de la digitalisation, arrivée de nouveaux acteurs dans l'écosystème…). La capacité de STET à évaluer en continu la pertinence de ses offres afin d'accompagner au mieux ses clients dans les grandes transformations en cours et à assurer la promotion de son catalogue de services est ainsi clé.

A propos de l’équipe: le Domaine LCLF est responsable des produits Lutte Contre La Fraude sur tout le cycle de vie de chacun des produits, allant de la phase de définition à la mise en œuvre opérationnelle et au pilotage de l’activité du produit.

Dans un contexte de renforcement de nos dispositifs de lutte contre la fraude, nous souhaitons étoffer notre équipe Data Science en accueillant un(e) alternant(e) motivé(e) et curieux(se).

L’objectif : accompagner notre équipe dans le développement et l’optimisation de nos outils de détection de fraude, tout en offrant un cadre d’apprentissage stimulant et professionnalisant.

Missions:

Sous la supervision d’un Data Scientist senior, tu seras amené(e) à:

* Développer des scripts Python pour automatiser le contrôle qualité des données (nettoyage, cohérence, détection d’anomalies)
* Mettre en place un monitoring de la stabilité des scores dans le temps (dérive de données, performance des modèles)
* Documenter les règles de qualité et assurer un suivi régulier via des alertes ou dashboards
* Développer un assistant conversationnel LLM exploitant la documentation technique (Feedzai, IBM) et les logs système pour diagnostiquer et expliquer automatiquement les incidents détectés.
* Construire une segmentation opérationnelle des virements (P2P / B2C / C2B / B2B)
* Concevoir et tester de nouveaux modèles de scoring pour la détection de fraude

Compétences recherchées:

* Bonnes connaissances en Machine Learning (classification, arbres de décision,…)
* Maîtrise de Python (Pandas, Scikit-Learn, Seaborn, Pyspark, …)
* Maîtrise du SQL et de gestion de bases de données
* Curiosité, rigueur, sens de l’analyse
* En plus : connaissance en NLP, IA Gen (LLM)
* Maîtrise de l’anglais, à l’écrit comme à l’oral

Rythme modulable : [3 semaine entreprise / 1 semaine école] avec possibilité d’ajustement

Rétribution selon profil & niveau de diplôme.

#J-18808-Ljbffr