Starting date

01/09/2026

Position with management

No

Executive / Non Executive

Cadre

Minimum level of study

Postgraduate degree – MA/MSc/PhD/Doctorate or equivalent

Training / Specialization

Finance Quantitative, Mathématiques Appliquées, Statistiques, Intelligence Artificielle

• Conception et développement de stratégies quantitatives sur les marchés actions (value, momentum, reversal, long/short, arbitrage, low volatility, etc.)
• Exploitation de données alternatives : collecte, nettoyage, normalisation et valorisation de sources telles que les news, les communications de banques centrales, les rapports d’activité, etc.
• Maîtrise du NLP appliqué à la finance : embeddings, classification, clustering, analyse de sentiment, transformers (BERT), fine-tuning de LLM et agents.
• Développement de pipelines Big Data pour le traitement et l’analyse de données financières à grande échelle.
• Déploiement de modèles de machine learning pour la prévision, la génération de signaux et l’amélioration des processus de recherche.
• Application de l’intelligence artificielle à la gestion quantitative, notamment pour la conception de stratégies et d’outils de recherche exploitant l’IA pour la génération, l’enrichissement et l’interprétation de signaux.

Minimum experience level

3-5 years

Skills needed

Finance et marchés

• Connaissances en analyse fondamentale (lecture et interprétation d’états financiers, notamment bilans et comptes de résultat).
• Bonne connaissance des marchés financiers : actions, obligations, crédit, FX, options.
• Expérience / maîtrise de Barra One pour l’optimisation de portefeuille.
• Bonne connaissance de FactSet, incluant les différents langages de requête, ainsi que l’utilisation de PA et d’AlphaTest. Une maîtrise de Bloomberg et de Reuters serait un plus.

Data, quant et programmation

• Solides connaissances en informatique, data science, apprentissage statistique et mathématiques financières.
• Solides compétences en programmation Python et dans son écosystème : pandas, scikit-learn, Hugging Face, spaCy, sentence-transformers, PyTorch/TensorFlow, CUDA.
• Connaissance des outils de data engineering : Trino, Dagster, Apache Airflow, Spark.
• Familiarité avec les environnements cloud : AWS (S3), Azure, Google Cloud.
• Connaissance des outils de dashboarding et de data visualisation : Superset, Power BI, R Markdown.
• Compétences en MLOps : MLflow, Docker, Kubernetes.
• Bonne maîtrise de Git et des pratiques de gestion de version.

Qualités personnelles

• Esprit d’équipe.
• Curiosité intellectuelle.
• Autonomie.
• Capacité de vulgarisation.
• Aisance dans la collaboration transverse.

IT tools

Python, SQL, LaTeX, Matlab

Languages

Français et Anglais

Amundi, the leading European asset manager, ranking among the top 10 global players (1), offers its 100 million clients - retail, institutional and corporate - a complete range of savings and investment solutions in active and passive management, in traditional or real assets. This offering is enhanced with IT tools and services to cover the entire savings value chain. A subsidiary of the Crédit Agricole group and listed on the stock exchange, Amundi currently manages close to €2.3 trillion of assets (2). With its six international investment hubs (3), financial and extra-financial research capabilities and long-standing commitment to responsible investment, Amundi is a key player in the asset management landscape.
Amundi clients benefit from the expertise and advice of 5,500 employees in 35 countries.
Amundi, a trusted partner, working every day in the interest of its clients and society

(1) Source: IPE “Top 500 Asset Managers” published in June 2025, based on assets under management as at 31/12/2024
(2) Amundi data as at 30/06/2025
(3) Paris, London, Dublin, Milan, Tokyo and San Antonio (via our strategic partnership with Victory Capital)