FinTech & Ressources Humaines
Profil recherché
Élève Ingénieur / Master en Ingénierie Financière, Data Science & IA, FinTech ou Informatique Décisionnelle
Encadrement
Dr.-Ing. ET-TOUSY Jamal
Session
2025 – 2026 (PFE 4 à 6 mois)
Contexte & Problématique
Dans le tissu économique marocain, la gestion du risque client, les retards de paiement et la conformité anti-fraude (AML / LCB-FT) sont des facteurs vitaux pour la pérennité des PME. Ce PFE vise à créer une solution FinTech intelligente d'analyse prédictive capable d'évaluer la solvabilité des partenaires commerciaux, de modéliser le risque de défaut et de détecter en temps réel les transactions financières anormales via l'apprentissage sur graphes (Graph Neural Networks).
Objectifs principaux du projet
- Construire un moteur de scoring de crédit pour PME basé sur l'analyse de bilans, d'historiques bancaires et de signaux web externes.
- Modéliser les transactions sous forme de graphe relationnel pour identifier les circuits de fraude complexe et les anomalies de flux.
- Entraîner des modèles supervisés et non-supervisés (XGBoost, GNN, Isolation Forest) avec explication locale des scores (SHAP).
- Développer une interface web sécurisée permettant aux directeurs financiers d'obtenir un audit de risque instantané.
Stack technologique & Outils
Graph Neural Networks (PyTorch Geometric)
XGBoost
Neo4j
Python
FastAPI
Docker
Tailwind CSS
Vue.js / React
Livrables attendus
- Moteur d'évaluation du risque de crédit et de détection des transactions suspectes.
- Base de données de graphe et requêtes analytiques de conformité financière.
- Dashboard FinTech interactif avec restitution visuelle du graphe des transactions.
- Rapport de fin d'études avec analyse de robustesse et conformité réglementaire.
Ce sujet vous intéresse ?
Envoyez votre CV accompagné d'une lettre de motivation mentionnant vos compétences techniques, vos projets académiques ou personnels pertinents ainsi que vos disponibilités.
Postuler à ce sujet