REF09-SOL PRÉVISION DU RISQUE DE DÉFAUT DE PAIEMENT PAR IA PFE

Contexte et objectif

• Construire un modèle d'IA capable de prédire le risque de retard ou de défaut de remboursement pour chaque client ou pour des portefeuilles de prêts.
• Combiner des données macroéconomiques (inflation, climat économique, activité sectorielle) avec des données clients (revenus, historique de remboursement, caractéristiques démographiques) dans un modèle de prédiction multivarié.

Tâches et livrables attendus

• Prétraiter et agréger des jeux de données hétérogènes (données économiques et données client) et définir des variables d'entrée pertinentes (features engineering).
• Développer, entraîner et évaluer des modèles temporels et de forecasting (ex. LSTM, Prophet) et comparer leur performance sur des métriques adaptées (AUC, F1, recall sur défauts, backtesting temporel).
• Livrables : code reproductible en Python, pipeline d'ingestion/stockage (PostgreSQL), notebook d'expérimentation, rapport d'analyse et tableau de bord Streamlit pour visualiser les scores de risque et les métriques.

Technologies et architecture technique

• Langages/Frameworks : Python (LSTM, Prophet), librairies ML/Deep Learning usuelles (pandas, scikit-learn, TensorFlow/PyTorch possible).
• Stockage et donnée : PostgreSQL pour stockage structuré et requêtes, conception de schémas pour données clients et séries économiques.
• Interface et démo : création d'un dashboard interactif avec Streamlit pour visualiser prédictions par client/portefeuille et scénarios macroéconomiques.

Compétences et profil recherché

• Étudiants en IA / développement backend avec intérêt pour l'automatisation et l'intégration de systèmes.
• Bonnes connaissances en machine learning supervisé, séries temporelles, feature engineering et évaluation de modèles pour risques financiers.
• Appétence pour la production : pipeline de données, tests, et déploiement léger du modèle (exposition via API ou dashboard).

Modalités de candidature

• Pour postuler, envoyer un CV et un court message de motivation à l'adresse suivante : recrutement@talys.digital.
• Veuillez indiquer dans l'objet du mail : "Candidature PFE - REF09-SOL - PRÉVISION DU RISQUE DE DÉFAUT DE PAIEMENT PAR IA - École-Spécialité" et joindre éventuellement des exemples de projets ou notebooks pertinents.