COURBEVOIE, France
Internship Explorer
Internship Explorer
Au sein de l’équipe Portfolio Analytics à Paris, vous travaillerez en étroite collaboration avec les ingénieurs quantitatifs, les gérants de portefeuille et les équipes de recherche, dans un environnement international. Vous contribuerez au développement d’AURA, notre ecosysteme d’intelligence artificielle interne, ainsi qu’à l’industrialisation et à la mise à l’échelle de nos outils de modélisation quantitative et de gestion des données de marché. Le stage est à pourvoir pour 6 mois à temps plein à Paris La Défense idéalement à partir de septembre 2026 Mission : En collaboration avec les ingénieurs quantitatifs, vous interviendrez sur plusieurs axes stratégiques : * Modélisation quantitative & Agent IA (Tool Calling Python) + Appréhender et manipuler les modèles quantitatifs et financiers existants (allocation stratégique d’actifs, backtests de stratégies, calculs de charge en capital, simulations de retraite, etc.). + Restructurer et développer des « wrappers » Python autour de ces modèles (librairies internes) afin de les rendre exécutables de manière autonome par notre agent LLM (AURA). * Données quantitatives, métriques de risque & infrastructure + Automatiser et fiabiliser les calculs de métriques de risque et de portefeuille (matrices de volatilité/corrélation, tracking error, etc.). + Mettre en place et optimiser des pipelines de traitement pour les données macro-économiques et de marché (courbes forecast nominales, Expected Returns, intégration des flux Bloomberg/Rimes et autres sources internes/externes). + Structurer et organiser ces données quantitatives en base pour qu’elles soient interrogeables en langage naturel par les gérants (PMs) et macro-économistes via nos outils IA. * IA générative appliquée à la recherche quantitative + Concevoir et industrialiser des pipelines automatisés (Speech-to-Text, prompting avancé) pour transformer nos analyses mathématiques et comités de calibration (par ex. justification de l’Expected Return d’une classe d’actifs) en notes de recherche synthétiques. + Mettre en place des contrôles et bonnes pratiques pour garantir la rigueur, la cohérence et l’exactitude des termes financiers et quantitatifs générés par l’IA (mini-articles, comptes rendus, podcasts, etc.). + Documenter les méthodologies, workflows et guides d’utilisation à destination des équipes d’investissement et de recherche, et contribuer à la veille technologique sur les usages de l’IA en finance quantitative.
