Assistant Data Scientist – Agents pour le développement ML

Contexte

L’industrialisation des pratiques de Machine Learning représente un enjeu stratégique pour le Groupe Crédit Agricole. Les cas d’usage ML partagent souvent des chaînes de traitement similaires, alors que chaque nouveau projet implique de refaire les étapes d’analyse exploratoire, de feature engineering, d’implémentation du modèle, d’évaluation et d’optimisation des performances.

Objectif

Concevoir et évaluer des agents de code spécialisés en Machine Learning, capables de construire, évaluer, faire évoluer et relancer de manière autonome des pipelines ML.

Missions

• Réaliser un benchmark des frameworks agentiques dédiés à l’automatisation du ML, notamment Probabl/skrub et AutoML.
• Identifier les solutions les plus adaptées au contexte du Groupe.
• Construire un harness IA dédié au ML intégrant la compréhension des métriques spécifiques, les bonnes pratiques de feature engineering et les contraintes de déploiement.
• Mettre en place un agent ML doté d’une intelligence itérative.
• Générer automatiquement un premier modèle baseline.
• Exécuter et lancer le pipeline sur les données.
• Calculer les métriques de performance et de biais.
• Identifier automatiquement les problèmes tels que le surapprentissage ou le déséquilibre des classes.
• Formuler des hypothèses d’amélioration et modifier ou enrichir le pipeline.
• Réexécuter le pipeline et valider les améliorations.

Organisation et environnement

Le stage se déroule à Montrouge, en France, au sein d’une squad pluridisciplinaire encadrée par des experts IA et un chef de projet IA. Il comprend une veille bibliographique, la récupération des données ciblées, la création industrielle d’indicateurs, la sélection et l’implémentation des approches adaptées, puis l’intégration des développements dans les produits du DataLab Groupe. Une publication scientifique et une communication au sein et en dehors du DataLab Groupe pourront être réalisées. Le stagiaire aura accès à des environnements d’engineering industriel en local et dans le cloud, à des données internes et open data, ainsi qu’aux équipes data science, engineering et aux experts métier.