Dev python stress test IA

CONTEXTE & PÉRIMÈTRE

• Mission : Concevoir et déployer une solution de monitoring ; le cœur de la solution doit permettre :

o La surveillance continue des indicateurs de risque issus des Stress Tests ;

o La détection proactive d’anomalies grâce à des algorithmes d’IA (machine learning / deep learning).

• Environnement : Squad Stress Test, cadre Agile (Scrum). Collaboration internationale

OBJECTIFS DE LA PRESTATION

Implémenter un outil de monitoring dédié à la surveillance de la qualité des données issues des Stress Test Marché. Garantir que les sorties de stress‑test respectent les exigences de complétude, cohérence et conformité avant leur diffusion aux équipes de risk‑management.

- Surveillance qualité : Garantir la complétude, la cohérence et la conformité des sorties de Stress Test avant diffusion.

- Suivi d’indicateurs de risque : Produire des KPI et visualiser leurs évolutions.

- Détection d’anomalies IA : Implémenter des modèles de machine learning pour identifier automatiquement des problèmes de qualité des données.

- Industrialisation : Intégrer le composant dans le pipeline CI/CD existant et le livrer sous forme de micro service containerisé.

MISSIONS / TÂCHES PRINCIPALES

1 Analyse & Cartographie

• Étudier les flux de données actuels (extraction, calcul, persistance).

• Cartographier les dépendances entre systèmes de marché, bases Sybase et livrables des Stress Tests.

• Recenser les indicateurs de risque.

2 Conception & Développement (Python + SQL)

• Moteur de validation : règles de limites, cohérence inter dates, valeurs manquantes, variations acceptables.

• Module IA :

o Modèles de détection d’anomalies 

o Calibration et suivi des performances

3 Intégration & Mise en Production

• Integration dans le pipeline CI/CD (Git → Jenkins/Argo → déploiement).

• Exposition d’API REST pour :

o récupération des KPI,

o déclenchement de la validation,

o retour des anomalies IA.