Déploiement et optimisation de solutions blockchain pour la Banque de France

Le projet vise à développer une application facilitant l'échange de données entre la Banque de France et la BCE, en utilisant JAVA/JEE, XML, SAX et XPATH. Il comprend la création de bases de données FAME, la récupération de séries chronologiques via l'API TestTimeIQ, le développement de couches de lecture et de traitement des données en Java IO, la génération de fichiers XML avec SAX, DOM et XPath, ainsi que la création d'interfaces utilisateurs. L'environnement technique inclut JAVA, Eclipse/NetBeans, JSF2, XML, JavaScript et HTML/CSS.

Le projet vise à concevoir, expérimenter et industrialiser des outils d'intelligence artificielle pour la supervision financière au sein de l'ACPR, dans le cadre de la démarche Suptech. Les activités incluent :Co-conception de solutions innovantes avec les équipes métiers pour répondre à des besoins variés de supervision.Mise en place de cadres expérimentaux de machine learning et développement de pipelines ML complets (préparation des données, sélection, entraînement et optimisation de modèles de machine learning classique, NLP, LLM, définition de métriques d'évaluation et analyse des résultats).Exploration et expérimentation des dernières avancées en IA appliquées à la supervision financière, incluant le NLP (analyse de texte, classification, extraction d'information) et la modélisation sur données tabulaires (scoring, détection d'anomalies, modélisation de risques).Contribution à l'industrialisation des outils d'IA de l'ACPR via l'identification et la promotion de services réutilisables (API, FastAPI) et participation à la réflexion sur l'architecture technique des futurs projets Suptech.Le projet s'appuie sur des méthodes agiles et implique une collaboration étroite avec les équipes techniques, métiers et les instances nationales et internationales de régulation financière.

Le projet vise à digitaliser les processus liés à la lutte contre le blanchiment de capitaux et le financement du terrorisme (LCB-FT) et à la conformité, ainsi qu'à développer des cas d'usages de l'intelligence artificielle pour la Direction des risques et de la conformité des opérations (DRCO). Les objectifs incluent :La veille règlementaire ciblée afin d'identifier toute évolution pertinente en matière de LCB-FT et d'évaluer les risques des relations d'affaires.La revue des relations d'affaires basée sur l'analyse rétrospective des opérations passées par la clientèle.La production d'avis risques concernant les prospects ou le développement de nouvelles activités.La conduite d'analyses thématiques sur les risques de BC-FT à partir de grands volumes de données opérationnelles.Le projet s'appuie sur des techniques avancées de traitement de la donnée, incluant les modèles de langage naturel, le web-scrapping, l'apprentissage automatique et la détection d'anomalies. Des solutions innovantes sont développées en lien avec les autres services de la DRCO, au service des métiers de banque centrale.