STAGE - BI Data Analyst H/F - Janvier 2027

About this role

Dans un souci d’accessibilité et de clarté, l’écriture inclusive n’est pas utilisée dans cette annonce. Les termes employés au masculin se réfèrent aussi bien au genre féminin que masculin. 💡 Envie de passer de l’expérimentation à des projets Data & IA concrets ? Chez Fleury Michon, nous recherchons un stagiaire Data Engineer pour participer à des projets concrets mêlant Data Engineering, développement Python et Intelligence Artificielle générative .

L’objectif ? Construire des solutions permettant de collecter, transformer, fiabiliser et exploiter les données , tout en expérimentant les possibilités offertes par les LLM et les nouveaux outils d’IA pour automatiser et accélérer les traitements. Vous travaillerez sur des problématiques concrètes, avec un impact réel , depuis l’intégration des sources de données jusqu’à la production de résultats directement exploitables par les équipes métier.

🔎 Le stage comporte également une forte dimension expérimentation et innovation : vous serez amené(e) à tester de nouveaux outils et approches autour de l’IA générative et à évaluer leur pertinence pour nos usages Data. Vous travaillerez en étroite collaboration avec le responsable Data , qui vous apportera la connaissance métier et fonctionnelle. De votre côté, vous serez pleinement impliqué(e) dans la conception et la réalisation technique des solutions .

🛠️ Vos missions Vous pourrez notamment intervenir sur : 📊 Data Engineering Identifier et intégrer différentes sources de données : fichiers Excel/CSV, API, bases de données… Développer des scripts et pipelines de traitement de données en Python . Nettoyer, transformer et structurer les données. Concevoir des traitements automatisés et reproductibles. Maintenir et améliorer les pipelines existants. 🤖 Data & Intelligence Artificielle Connecter des API et services d’ IA générative .

Utiliser des LLM pour analyser, enrichir, transformer ou générer des données. Concevoir des workflows combinant données et IA . Expérimenter de nouveaux outils et approches pour identifier les usages les plus pertinents. 🔐 Fiabilité & qualité Produire des outputs structurés : fichiers, HTML, données en base, JSON, rapports, API… Mettre en place des contrôles et validations permettant de fiabiliser les résultats produits par l’IA .