La Direction Risk and Permanent Control (RPC) fait partie de la ligne-métier Risques et Contrôles Permanents de Crédit Agricole S.A. Elle identifie, analyse, mesure et contrôle les risques de contrepartie, les risques de marché, les risques pays et de portefeuille ainsi que les risques opérationnels physiques et techniques sur le périmètre de Contrôle Interne de CACIB. RPC est en outre responsable du pilotage et de la supervision du dispositif de contrôle permanent de CACIB, tous vecteurs de risques confondus.

Vous intégrerez l’équipe « Modèles Quantitatifs de Portefeuille». Dans ce cadre, vous contribuerez de manière générale à l’amélioration des méthodologies de détection et de gestion des risques de crédit. Il s’agit de développer des outils innovants, se basant sur les techniques de machine Learning, Deep Learning et de Natural Language Processing (NLP) afin d’améliorer le dispositif de suivi et de maitrise des risques de crédit.

Le stage se déroulera en deux étapes :

Etape 1 : Collecte et retraitement de données

o Enrichir la base de calibration par des données quantitatives et autres données texte utiles pour l’étude

o Appropriation, retraitement et structuration des données.

o Recherche bibliographique et revue de l’état de l’art en matière de techniques de NLP, de machine/deep learning et d’identification des risques

Etape 2 : Approches prédictives

L’objectif de ce travail est d’enrichir le dispositif d’identification des risques sectoriels de CACIB. Le but serait de modéliser et d’identifier le niveau de risque associé aux différents secteurs d’activité de CACIB et la tendance de risque de ces derniers. Cela passera par :

o Développer l’initiative d’analyse de sentiment sectoriels (approche NLP) en utilisant des données complémentaires, ainsi que d’autres algorithmes de machine et de deep learning. Une attention particulière sera portée aux questions de bases de données déséquilibrées.

o Modélisation et analyse prédictive d’indices sectoriels permettant le suivi et l’identification des risques sectoriels (données quantitatives)

o Dégager des « features » utiles en matière de prédication de la dégradation de qualité de crédit des clients

o Documenter les travaux effectués

Missions transverses :
o Mise en place d’indicateurs et d’outils de data visualisation afin de faciliter l’explication du comportement des algorithmes et des modèles développés

Le campus Evergreen situé à Montrouge sur lesquel vous effectuerez votre mission, est activement ouvert sur la ville et intégrés dans un écosystème et une vie locale dynamique. Vous y découvrirez un environnement de travail moderne et agréable dans des bâtiments aux dernières normes HQE environnementales, de nombreux services (salle de sports, boulangerie, conciergerie, vélos électriques, take-away, etc.).