Au sein de la Direction Technique de Direct Assurance, vous aurez l’occasion de travailler au sein d’une des équipes suivantes :

• Le pôle IT Pricing 
• Le pôle Commercial Auto/ MRH
• Le pôle prime commerciale Auto/MRH
• Le pôle de la stratégie commerciale 

Vous aurez l’occasion de pouvoir travailler sur un des sujets suivants : 

Stage 3 – Actuaire / Data Scientist (F/H) – Modélisation d’un score de changement de véhicule 

Contexte :

Au sein de la Direction Technique, vous participerez à la création d’un modèle pour prédire la probabilité de changement de véhicule chez nos clients. Ce modèle vise à identifier les clients susceptibles de changer de véhicule afin de leur proposer la meilleure offre avant qu’ils ne résilient.

Missions :

• Construire une base de données en Python/Spark pour modéliser le changement de véhicule.
• Développer un algorithme de score de probabilité de changement de véhicule
• Identifier les segments de clients qui changent de véhicule et proposer des actions pour prévenir le churn.

Stage 5 – Actuaire / Data Scientist (F/H) – Amélioration de l’explicabilité des modèles de risque automobile

Contexte :

Au sein de la Direction Technique, vous rejoindrez l’équipe Prime Pure pour travailler sur l’amélioration de l’explicabilité des modèles de Machine Learning utilisés pour la tarification des produits d’assurance. L’objectif est de garantir que les prédictions des modèles sont justes et alignées avec nos stratégies commerciales. 

Missions :

• Mettre en place des techniques d’interprétation des modèles de risque tels que LIME, SHAP, ou Anchor.
• Implémenter des techniques d’estimation de l'incertitude des modèles, telles que la prédiction conforme ou par quartiles.
• Développer et tester des méthodes de surveillance du drift et détection de la perte de performance du modèle dans un segment ou de manière générale.
• Créer un outil permettant d’appliquer facilement les méthodes retenues à l’ensemble de nos modèles.

Stage 6 – Data Scientist (F/H) - Etude de la sensibilité au prix avec du Machine Learning

Contexte :

Sur le marché de l’assurance en ligne, très concurrentiel et dynamique, la tarification est clé pour acquérir les clients. L’affluence de nouvelles données ainsi que les innovations en optimisation tarifaire sont au cœur de la stratégie de l’entreprise. Il est essentiel d’attribuer le tarif optimal pour chaque client pour assurer à la fois des objectifs de rentabilité et de croissance.

L’objectif de ce stage est de modéliser la conversion des clients en fonction de leur profil et du prix proposé.

Missions :

• Modéliser la conversion des clients en fonction de leur profil et du prix proposé.
• Développer des algorithmes pour améliorer les métriques d’évaluation de la performance des tarifs.
• Optimiser les prix pour atteindre des objectifs de rentabilité tout en améliorant la croissance des clients.

Stage 8 – Actuaire / Data Scientist (F/H) – Modélisation de la résiliation et optimisation tarifaire

Contexte :

Au sein de l’équipe d’optimisation tarifaire, vous participerez à la modélisation de la résiliation des clients et à l’optimisation des tarifs pour améliorer la fidélisation.

Missions :

• Analyser la sensibilité des clients au prix pour mieux comprendre leur comportement et ajuster les tarifs.
• Implémenter des modèles de machine Learning pour estimer la sensibilité au prix.
• Intégrer ces modèles dans le processus d’optimisation tarifaire pour améliorer la rétention des clients.

Stage 9– Actuaire / Data Scientist (F/H) – Modélisation de la résiliation et optimisation tarifaire

Contexte :

Au sein de la Direction Technique de Direct Assurance et de l’équipe chargée de la tarification du produit Multirisques Habitation. Le/La stagiaire travaillera sur des missions liées à la modélisation de la conversion des prospects Ce modèle a pour objectif d'estimer la probabilité qu'un prospect souscrive à une offre après avoir consulté un devis.

Missions :

• Mise en place d’une base de données propre et fiable sur laquelle la modélisation sera effectuée
• Création d’un modèle de Machine Learning pour prédire l’élasticité au tarif des prospects en utilisant des principes d'inférence causale.
• Création d’une pipeline de réentraînement automatique du modèle pour le maintenir à jour.
• Feature engineering des variables tarifaires internes.

Le poste est basé à Suresnes (92) à proximité de la Défense

L’Expérience Collaborateur est pour nous essentielle pour la réussite de notre entreprise.

• Nous proposons des parcours de développement professionnel en adéquation avec la transformation digitale du secteur de l’assurance pour enrichir leur panel de compétences.
• Nous avons à cœur de célébrer nos réussites. La convivialité qui nous anime est le fruit de la diversité des profils que nous recrutons.
• Nous disposons de multiples avantages (congés, temps partiel, télétravail, etc.)
• Nos locaux proposent un cadre de travail moderne avec une mise à disposition d’espaces de détente (baby-foot, cafétéria) et de services (espace forme, places en crèche…) pour une Expérience Collaborateur réussie !
• Nous nous engageons en faveur de la lutte contre les discriminations et soutenons la diversité et l'égalité des chances. Tous nos emplois sont ouverts aux personnes en situation de handicap.

Si ce poste vous intéresse et si la perspective de contribuer fortement au développement de l’entreprise dans un environnement innovant et dynamique vous motive, rejoignez-nous !

Profil recherché pour tous les stages :

Formation : Étudiant(e) en dernière année d’une école d’ingénieur ou ayant suivi une formation en Data Science, Actuariat, Statistique ou Économie.

Compétences techniques :

• Bonnes connaissances en probabilités, statistiques et Machine Learning.
• Maîtrise de la programmation en Python, SQL, et outils connexes (R, Spark selon les stages).
• Connaissance des bonnes pratiques de développement logiciel et des outils MLOps (Git, CI/CD, MLFlow).

Compétences personnelles :

• Autonomie, rigueur, et force de proposition.
• Goût pour le travail en équipe, avec un bon sens de la communication.
• Motivation et implication dans un environnement dynamique et innovant