Expert machine learning - décision d’octroi & scoring crédit - freelance

Description du poste

Taux journalier (TJM): 650€/jour


Contexte

Notre client est un des leaders dans les solutions de financement locatif des équipements mobiliers et immobiliers pour les professionnels et les entreprises. Au sein de l’entité Credit RISK, l’équipe Scoring & Provisioning Models est en charge de la construction et de la maintenance des modèles quantitatifs d’évaluation du risque de crédit.


Missions

* Constituer, avec l'appui de l'équipe interne, la base de données en entrée des business rules existantes (contrainte de consommation de donnée équivalente)
* Construire la variable cible du défaut pour chaque demande de financement
* Proposer une analyse exploratoire des données
* Faire plusieurs propositions de modélisation, avec différentes complexités de modèles en mettant en exergue les avantages et inconvénients
* Produire une analyse de performance, en prenant comme référence la performance des règles existantes
* Proposer un module d'explicabilité du modèle, condition sine qua none à l'adoption d'un modèle de type boîte noire
* Mener avec les équipes du data office l'étude d'implémentation du modèle proposé pour APIsation
* Proposer une méthodologie d'analyse de drift
* Produire un rapport présentant la démarche, les résultats et l'analyse de faisabilité d'implémentation en fin de mission


Secteur d’activité

* Financement spécialisé / leasing


Calendrier

* Du 22/06/2026 au 31/12/2026


Outils & Environnement

* Python (très bon niveau)
* Dataiku
* Machine Learning (construction d'un modèle complexe avec mise en production effective)
* Business rules
* API


Conditions de travail

* Tarif d’achat maximum : 650€ HT


Profil recherché

1. 9 à 12 ans d'expérience
2. Expertise en Modélisation Machine Learning appliquée au scoring
3. Compétences en construction de modèles complexes et mise en production
4. Expérience en scoring et évaluation du risque de crédit
5. Maîtrise de la préparation et structuration des données de modélisation
6. Capacité à définir la variable cible de défaut
7. Compétences en analyse exploratoire des données
8. Capacité à comparer des modèles et arbitrer entre complexité et performance
9. Expérience en évaluation de performance de modèles
10. Maîtrise de l'explicabilité des modèles boîte noire
11. Compétences en industrialisation et APIsation de modèles
12. Connaissance de l'analyse de drift
13. Très bon niveau en Python
14. Expérience avec Dataiku
15. Connaissance des business rules et API