ML Engineer Senior (Tarification)

Description de l'offre

*

Au sein de la Direction Technique de Direct Assurance, vous interviendrez en tant que contributeur clé dans les projets d’optimisation du portefeuille (assurance Auto) et dans le développement de modèles de machine learning.
Vous jouerez un rôle central dans l’intégration de solutions de modélisation avancées, tout en contribuant à l’industrialisation des processus de tarification à travers une approche MLOps.
De plus, vous participerez activement à l'amélioration de la qualité du portefeuille Auto en veillant à la rentabilité technique, notamment par des projets transverses avec les directions Marketing, Commerciale et Financière.

Vos principales missions

• Développement, R&D et maintenance de modèles prédictifs pour le produits Auto, à l’aide d’outils de data science (Python, etc.).
• Analyse exploratoire de données, sélection de variables, construction et évaluation de modèles statistiques ou de ML, Mise en œuvre de pipelines MLOps .
• Mise en œuvre du renouvellement tarifaire : Application des ajustements tarifaires des contrats d’assurance auto à l’échéance, en veillant à leur alignement avec les objectifs de rentabilité, de compétitivité du marché et de qualité.
• Pilotage du portefeuille auto : Analyses techniques en utilisant des indicateurs clés de performance (KPI) pertinents pour assurer la qualité et la rentabilité technique du portefeuille.
• Contributions aux projets d’innovation en IA, en particulier sur des sujets liés à la modélisation, l’explicabilité du tarif et des modèles, la valeur client, les données internes et externes, selon les projets en cours.
• Projets transverses de la direction technique, ou avec les autres directions de Direct Assurances.
• Participation à la structuration de la documentation technique et des bonnes pratiques de modélisation.

Profil recherché

Qualifications :

Votre profil
• Diplômé(e) d’une école d’ingénieur ou d’une formation bac+5 en data science, actuariat ou statistiques.
• Expérience de 2 à 4 ans dans la tarification ou la modélisation des risques en assurance IARD, ou dans un rôle de ML Engineer appliqué à la donnée métier.
• Maîtrise des outils Python (pandas, spark, scikit-learn, xgboost…), versioning (Git), et si possible de l’environnement cloud (Azure, AWS ou GCP).
• Bonne connaissance des concepts de modélisation statistique (régressions, arbres, modèles bayésiens…).
• Sensibilité aux problématiques métiers de l’assurance, rigueur, autonomie, capacité d’analyse.
• À l’aise pour présenter ou vulgariser des résultats techniques auprès d’équipes techniques ou métiers.