Le pôle Technologies, Digital et Paiements (ITD) du Groupe Crédit Agricole anime le programme de transformation IT 2025 au service de l’accélération digitale du Groupe avec trois ambitions :
· Accompagner le projet de Groupe 2025 qui place la transformation digitale au cœur de nos actions.
· Faire de l’IT le partenaire stratégique et incontournable du business au quotidien.
· Positionner l’IT au cœur de la culture digitale du Crédit Agricole en la rendant accessible et en l’incarnant.
Au sein du pôle ITD – Technologies, Digital et Paiements, la Direction Data Groupe a pour ambition de maximiser la contribution de la Data et de l’Intelligence Artificielle au fonctionnement du Groupe Crédit Agricole. Elle s’appuie pour cela sur la fonction de Chief Data Officer Groupe, le Data Management Office Groupe (DMO Groupe) et le DataLab Groupe (incluant l’AI Factory Group).
Le DMO Groupe a notamment pour missions d’appuyer le CDO Groupe dans l’animation de :
- La gouvernance data Groupe,
- 2 design authorities (Data et IA),
- 3 sous-programmes du programme IT 2025 : Assets IT communs de confiance, Data et IA / IA générative.
En tant que chargé de sous-programmes IT 2025, vos principales missions seront :
- Sous-programme Data :
En lien notamment avec la Gouvernance Data Groupe et le Comité d’Orientation Stratégique Data, la Design Authority Data, l’Architecture d’Entreprise Groupe et CA-GIP (plateformes techniques), favoriser l’étude et la mise en place des solutions permettant :
o De mieux gérer la mise en qualité des données,
o De favoriser les usages et partages sécurisés intra-et extra Groupe des données.
- Sous-programme IA / IA Générative :
En lien notamment avec le DataLab Groupe, les Design Authorities Data, IA et Cloud, l’Architecture d’Entreprise Groupe et CA-GIP (plateformes techniques), accompagner les entités du Groupe sur :
o L’acculturation des Dirigeants et Opérationnels aux différentes technologies, méthodes et pratiques IA,
o L’analyse des composants pertinents pour fabriquer des solutions IA / IA GEN les plus génériques et réversibles possibles,
o Le choix des Large Language Models (LLM) et techniques d’optimisation des performances (prompt engineering, RAG, finetuning…), des coûts financiers et de l’impact environnemental, adaptés au cas d’usage et au contexte de l’entité,
o Les méthode et outils de mitigation des risques des LLM (hallucinations, contenus inappropriés, régurgitations de données, attaques cyber…).