Chargée/Chargé d'études

Qui sommes nous

Le Crédit MutuelAlliance Fédérale : un employeur différent

Comment? Par son organisation décentralisée qui fait de lui la seule banque coopérative non cotée en bourse de France. Ce qui compte d’abord au Crédit Mutuel, c’est la qualité de la relation avec nos clients qui sont les propriétaires de notre Groupe. Cet objectif fait du Crédit Mutuel la marque préférée des français dans le domaine bancaire depuis 14 ans

CCS Centre de Conseil et de Service : Un GIE, centre de métiers et d'expertise au service du Crédit Mutuel Alliance Fédérale, avec plus de 70 métiers différents

Nos valeurs sont l’Expertise, le Sens du service, la Proximité, la Réactivité ainsi que l’Implication.

Notre Etat d’Esprit est tourné vers la satisfaction de nos clients.

Postuler à CCS c’est vouloir intégrer une équipe qui partage avec quelques 2500 collaborateurs répartis sur toute la France des valeurs communes et fédératrices et c’est aussi vouloir se construire un avenir. Alors, dans un contexte en perpétuelle évolution rejoignez une entreprise qui s’engage pour ses salariés par la formation et l’évolution

Vos missions

Dans un contexte de montée des risques de fraude externe (phishing, usurpation d’identité, fraude aux moyens de paiement, etc.), notre établissement renforce ses dispositifs de détection, de prévention et de traitement des fraudes.

Vous intégrerez la Filière Fraude au sein du Domaine Moyens de Paiement de CCS, GIE du groupe Crédit Mutuel Alliance Fédérale, en tant que Chargé/Chargée d’études Fraude Monétique – analyste des données Fraude.

Le titulaire du poste contribue à la prévention des risques liés aux transactions frauduleuses, en assurant l’analyse, l’investigation, la détection des nouveaux schémas frauduleux, ainsi que l’optimisation des dispositifs de surveillance.

Vos missions incluent :

L’entité Détection, Support et Investigation Fraude monétique est chargée d’accompagner les équipes opérationnelles en charge de la lutte contre la fraude et est en charge de l’analyse de données et de l’identification des transactions à risque.

Vous allez être amené à travailler avec les équipes internes du Groupe et des acteurs de la monétique à savoir:

• Les services de sécurité des moyens de paiement et les équipe monétiques
• Les services de lutte contre la fraude EER, Virement, Prélèvements etc
• Les directions Informatiques, Risques, Paiements, Commerciales et le réseau bancaire
• Les schèmes CB, Mastercard, Visa

Vous serez amené à travailler sur tous les sujets liés à la fraude aux moyens de paiement avec pour missions principales :

1. Conception & Industrialisation de Modèles de Scoring Fraude

• Objectif: Développer et déployer des modèles prédictifs haute performance pour détecter et prévenir la fraude en temps réel.

Modélisation avancée:

• Concevoir, entraîner et valider desmodèles supervisés/non supervisés(Random Forest, SVM, réseaux bayésiens, régression logistique, LARS, etc.) sur desvolumes massifs de données transactionnelles(milliards de lignes).
• Optimiser les algorithmes pour unscoring en temps réel(latence < 100ms) et unescalabilitéadaptée à des flux de données continus.
• Industrialisation:
• Intégrer les modèles dansStatMininget la plateformeData Morphing®(Big Data / temps réel).
• Automatiser les pipelines defeature engineering, nettoyage et détection d’anomalies pour garantir unequalité de données optimale.
• Documenterles modèles (méthodologie, performances, limites) et assurer leurtraçabilité(versioning, audit).

2. Pilotage de la Performance Fraude

• Objectif: Réduire les pertes liées à la fraude via uneanalyse proactiveet uneamélioration continuedes modèles et règles.
• Analyse & Optimisation:
• Suivre et améliorer les KPIs fraude(taux de détection, faux positifs, ROI des modèles, etc.).
• Identifier et analyser lesnouvelles typologies de fraude(ex : fraude aux paiements, usurpation d’identité) et adapter lesrègles métieretmodèlesen conséquence.
• Réaliser desanalyses post-mortemsur les incidents fraude pour en tirer desactions correctives.
• Reporting & Décisionnel:
• Produire desdashboards dynamiques(Power BI, Tableau, etc.) pour le pilotage opérationnel et stratégique.
• Présenter desrecommandations data-drivenaux parties prenantes (Direction, équipes Produit, Tech).

3. Exploitation & Valorisation de la Donnée

• Objectif: Transformer la donnée brute eninsights actionnablespour les équipes métier et techniques.
• Data Engineering:
• Préparer, nettoyer et structurerles données (ingestion, feature engineering, détection d’outliers) enPython(Pandas, NumPy, Scikit-learn).