Dans le cadre du renforcement de son dispositif de lutte contre la fraude, un acteur majeur de la protection sociale souhaite engager une démarche analytique avancée basée sur l?exploitation de ses données internes.
L?objectif est de détecter, anticiper et prioriser les cas de fraude via des approches Data Science et Machine Learning.
? Objectifs de la missionIdentifier les schémas de fraude existants
Développer des modèles de détection (supervisés / non supervisés)
Mettre en place un scoring de fraude (segmentation des risques)
Améliorer la détection précoce et les capacités d?investigation
Proposer des outils et recommandations opérationnelles pour les métiers
Profil candidat:
Missions principalesCadrage et compréhension des enjeux métiers
Analyse des typologies de fraude et des processus existants
Cartographie et exploration des données
Audit, nettoyage et préparation des datasets
Modélisation (Random Forest, XGBoost, réseaux neuronaux?)
Détection d?anomalies et gestion du déséquilibre des classes
Évaluation des modèles (Precision, Recall, AUC?)
Recommandations d?industrialisation
Restitution des résultats aux parties prenantes
?? Environnement techniqueData Science / Machine Learning
Python / outils analytiques
Méthodes de classification et détection d?anomalies
Traitement de volumes importants de données sensibles
? Profil recherchéExpérience significative en Data Science / Data Analytics
Expérience sur des cas de fraude ou assurance/santé appréciée
Forte capacité d?analyse et de structuration
Aisance à interagir avec des équipes métiers
Sensibilité forte aux enjeux RGPD et sécurité des données
? Contraintes / EnjeuxManipulation de données sensibles (notamment santé)
Respect strict des règles de confidentialité et de sécurité
Environnement exigeant en termes de gouvernance des données
? Livrables attendusRapport d?analyse détaillé
Modèles de détection de fraude
Recommandations stratégiques et opérationnelles
Présentation aux parties prenantes
