Responsabilités
- Concevoir et déployer des modèles statistiques et de machine learning sur des problématiques business clés — credit scoring, détection de fraude, modélisation du risque — pour améliorer les décisions produit et les résultats financiers.
- Mesurer et valider rigoureusement leur impact via A/B testing, tests de significativité et analyses de puissance statistique.
- Intégrer et exploiter des sources de données externes pour alimenter nos modèles.
- Analyser de larges jeux de données pour identifier des tendances, des schémas et des insights actionnables, en particulier autour des comportements utilisateurs, des schémas de transactions et des signaux de risque.
- Construire des modèles prédictifs de haute qualité et des solutions basées sur l'IA intégrées dans les produits Djamo, incluant des modèles de risque de crédit, des pipelines de détection de fraude et des systèmes de détection d'anomalies.
- Collaborer avec des équipes transverses (Engineering, Produit, Risque, Opérations) pour aligner les stratégies data science sur les objectifs business.
- Automatiser la collecte et le traitement des données tout en garantissant la qualité et l'intégrité des données à travers les pipelines sensibles au risque.
- Créer des visualisations de données claires et impactantes pour communiquer les insights et orienter la stratégie, incluant des tableaux de bord de risque et le suivi de la performance des modèles.
- Explorer et proposer des manières innovantes d'utiliser l'IA/ML pour enrichir l'offre de Djamo, en particulier dans le crédit, la prévention de la fraude et l'inclusion financière.
- Effectuer toute autre tâche connexe pour soutenir l'équipe dans la mise en œuvre de pratiques data responsables et d'une croissance durable.
Prérequis
- Master ou Doctorat en Data Science, Informatique, Statistiques, Ingénierie ou domaine connexe, avec un focus sur le machine learning avancé, l'analyse de données et la modélisation statistique.
- Au moins 5 ans d'expérience en analyse de données à grande échelle, machine learning et modélisation prédictive, avec une expérience concrète sur des applications réelles en production.
- Expertise avancée en SQL pour interroger, manipuler et analyser des jeux de données complexes.
- Maîtrise de Python pour l'analyse de données, la construction et le déploiement de modèles.
- Solides bases en statistiques et probabilités pour des modèles analytiques robustes, incluant la classification, l'analyse de survie et les techniques adaptées aux données déséquilibrées ou rares.
- Expertise dans les bibliothèques et frameworks de machine learning tels que scikit-learn, TensorFlow ou PyTorch.
- Expérience en preprocessing de données et feature engineering sur des données structurées et non structurées, incluant les features transactionnelles et comportementales.
- Familiarité avec les plateformes cloud (par exemple, Google Cloud, AWS, Azure) pour le déploiement de pipelines de données et de modèles ML.
- Maîtrise des outils de visualisation de données (par exemple, Looker, PowerBI, ou des bibliothèques comme matplotlib et seaborn).
- Compréhension des API et de l'intégration des modèles de machine learning dans des environnements de production.
- Expérience pratique avec Git/systèmes de gestion de versions et workflows de développement collaboratif.
- Une bonne maîtrise de l'anglais.
Atouts
- Une expérience en crédit scoring et/ou détection de fraude — idéalement dans une banque, une institution de microfinance ou une fintech — est un atout important, mais les candidat·es techniquement exceptionnel·les venant d'autres domaines sont également les bienvenu·es.
Mode de travail
Hybrid — Abidjan, Côte d’Ivoire, Dakar, Sénégal, Remote Location GMT+/-3
Informations complémentaires
- Une bonne maîtrise de l'anglais est un prérequis.
