Ce challenge est une simulation à échelle réduite des tâches à effectuer dans le cadre du projet « ÉconomIA : Éthique, Intelligence Artificielle et Gouvernance Algorithmique ». Langue de travail: Français et/ou Anglais. Lieu du Stage: À distance ou en présentiel au Centre de Recherche en Économie de Grenoble. Gratification: Selon la legislation en vigueur. \\ À propos du projet Le projet ÉconomIA : Éthique, Intelligence Artificielle et Gouvernance Algorithmique est l'une des initiatives sélectionnées dans l'appel à projets 2025 de l'Alliance Campus Rhodanien (ACR). Nous explorons les défis éthiques de l'IA à travers une approche multidisciplinaire qui intègre les sciences politiques, la théologie, la sociologie et l'économie. Cette initiative est une collaboration entre l'Université Grenoble Alpes, l'Université de Genève et Sciences Po Lyon. Le projet est structuré autour de deux axes principaux : 1. Marché des données et communs – Explorer la gouvernance des algorithmes et le rôle des données en tant que bien commun dans les écosystèmes numériques façonnés par les entreprises technologiques, telles que GAFAM et BATX. 2. Éthique de l'IA et gouvernance algorithmique – Examiner comment les communiqués de presse, les médias sociaux et les discours politiques influencent la construction des normes éthiques de l'IA à travers l'analyse des narratifs dominants et des stratégies de renforcement de la confiance autour de la transparence, de la régulation et de la souveraineté numérique. \\ Compétences attendues (3) 1. Web scraping : Collecte de données textuelles depuis des sources variées (sites d’actualités, X, rapports ou communiqués). 2. Embeddings LLM : Utilisation de modèles de langage pour la classification et l’analyse de sentiments. 3. Analyse et granularité : Structuration des données en sous-catégories et extraction des sentiments. \\ Tâches du mini-test (3) 1. Collecte de données (Web scraping) o Récupérez un échantillon de 50 textes. o Sources : - 20 articles de sites d’actualités (ex. Le Monde, The Guardian). - 20 posts institutionnels ou des personnes influentes sur X (ex. comptes comme @Elysee, @elonmusk). - 10 rapports ou communiqués (ex. site d’une entreprise tech , d’un gouvernement ou une institution internationale – FMI, ONU, Banque Mondiale). ** Bonus : Discours politiques et blogs. o Stockez les textes dans une base de données avec métadonnées. o Nettoyez les textes avant traitement avec les embeddings. Supprimez les balises HTML, URL et normalisez la ponctuation/espace. Conservez les émojis (convertis en texte) et évitez de supprimer les stop words ou de lemmatiser. Justifiez vos choix dans le rapport. 2. Classification avec embeddings o Utilisez un modèle d’embeddings (LLM de votre choix) pour classer les textes dans les trois catégories : - Perceptions éthiques de l’IA - Confiance dans l’IA - Impact économique de l’IA - ** Bonus : Proposition d’une catégorie ou plus o Proposez et appliquez 3 sous-catégories (minimum) pour chaque catégorie. o Entraînez un modèle simple sur les embeddings pour la classification, ou utilisez une approche non supervisée (ex. clustering). 3. Analyse de sentiments o Appliquez une analyse de sentiments aux embeddings. o Fournissez un score de sentiment (positif, négatif, neutre) pour chaque texte et sous- catégorie. 4. **Bonus: Validation + Data Visualisation** o Croisez les résultats avec les métadonnées : - Comparez les sentiments entre sources (ex. médias vs X). - Analysez une évolution temporelle simple o Proposez une visualisation appropriée pour présenter la validation. \\ Rendu attendu (3) 1. Rapport de 2 pages (Word/PDF ou Markdown) : o Description de la méthodologie (outils utilisés, étapes). o Résultats : Les textes classés, scores de sentiments, observations sur les métadonnées. o Conclusion : Pertinence des résultats pour "ÉconomIA". 2. Code Python commenté : Fichier(s) commenté(s) incluant scraping, classification, analyse et visualisation (si applicable). 3. Base de données : Fichier CSV. Lien pour l'offre: https://www.linkedin.com/posts/marcos-centurion-vicencio_internship-opportunity-offre-de-stage-activity-7308544729657294848-4zcf?utm_source=social_share_send&utm_medium=member_desktop_web&rcm=ACoAAAce_oIBlfu4BjePTqOOsriJ9zOF1R4pSgA

Possible reward :

• Entretien pour un stage rémunéré de 5-6 mois (flexible).

Pour la septième édition de son Concours Bloc-notes Éco, la Banque de France propose aux étudiants en France d’écrire un billet sur le thème « La monnaie à l'ère du numérique et des crypto-actifs: quels défis et opportunités pour les banques centrales? ». Les deux billets gagnants seront sélectionnés sur les critères suivants : rigueur et pertinence du raisonnement économique, qualité d’écriture, clarté et logique de la présentation, pédagogie et originalité des billets. Les deux meilleurs billets seront publiés sur le site de la Banque de France et seront dotés d’une récompense de 3 000 euros pour le billet lauréat et de 1500 euros pour le deuxième prix. Date de clôture : 20 juillet 2025

Possible reward :

• 1er prix : 3 000 € + publication en ligne + certification B2Ideas ; 2ème prix : 1500 € + publication en ligne + certification B2Ideas

• 3000 €

Première partie du challenge : À partir de la série mensuelle des dépôts de dossiers de surendettement publiée sur le site de la Banque de France (https://webstat.banque-france.fr/fr/catalogue/ifi/IFI.M.FR.SUREN.DEPOT), vous effectuerez une prévision à un an (31/12/2025) du nombre de dépôts de dossiers de surendettement. Dans un fichier Excel, vous donnerez les étapes et les résultats obtenus : - Des tests effectués sur la série afin de choisir des modèles de prévision à tester - Des résultats obtenus de la modélisation (minimum 2 modèles, maximum 4 modèles) Vous expliquerez enfin quelle méthode vous a permis de formuler une prévision (objectivation du modèle retenu, programme et résultats de la prévision). La capacité à donner des résultats précis, pertinents mais de façon concise sera évaluée. Deuxième partie du challenge : En vous référent à l’Enquête typologique sur le surendettement des ménages en 2024, quels seraient d’après vous les données et critères mobilisables pour déterminer une probabilité de dépôts de dossiers de surendettement ? (Réponse de 20 lignes attendue)

Possible reward :

• Un entretien pour un stage rémunéré de 6 mois à la Banque de France (dates flexibles avec démarrage au premier semestre 2025).

C.f. pièces jointes

Possible reward :

• Un entretien pour un stage de fin d’études rémunéré de 4 à 6 mois à la Banque de France (dates flexibles avec démarrage au 1er semestre 2025). Ce stage pourrait déboucher sur un CDI.

Votre supérieur vous communique deux fichiers au format Excel contenant des données sur des obligations ainsi qu'un historique de performance d'un des portefeuilles actuellement sous gestion. Cependant sur un des fichiers des données ont été corrompues puis supprimées. Il vous demande de reconstituer les données manquantes du tableau descriptif tel qu'il apparaît dans le fichier 'Bonds_Risk_Perf' en ne faisant apparaître uniquement les obligations pour lesquelles le volume (VOL_OUTSTANDING) est > 1*10^12 & La catégorie de risque (ISSUER_RISK_CAT) est 'LOW'. Aidez-vous pour cela du fichier 'Issuer_deals' Une fois les données complétées faîtes une représentation graphique de la courbe de taux pour les obligations selon leur pays. Commentez la forme de la courbe de taux, et la différence de celle-ci entre les pays. Sa deuxième demande concerne la performance du portefeuille. (Onglet Ptf du fichier 'Bond_Risk_Perf') Représenter graphiquement l'évolution de la Valeur du Portefeuille via un indice base 100. Représenter graphiquement par une fenêtre glissante sur 1 mois les métriques de risques suivantes: a) Value at Risk paramétrique au niveau de confiance 99% b) Expected Shortfall Historique au niveau de confiance 95% Représenter graphiquement la distribution des rendements quotidiens. Laquelle des deux métriques calculées précédemment vous paraît la plus pertinente ? Justifier votre réponse. Enfin dans un tableau synthétique calculer les métriques suivantes sur le portefeuille - le rendement quotidien moyen et médian - le Sharpe ratio (Vous utiliserez le taux ESTER pour la valeur du taux sans risque) - le Max Drawdown. Le rendu attendu devra se faire sous la forme d'un document Word/PDF de 2 pages maximum auquel sera joint votre script sous Python ou R à l'aide duquel vous aurez répondu à la consigne. Les candidats ayant eu les meilleurs résultats décrocheront un entretien, début de début du stage flexible idéalement à partir de Mars 2025. A la suite du stage en fonction de ses résultats, il pourra être proposé au stagiaire un CDI.

Possible reward :

• Un entretien pour un stage d'une durée de 4 à 6 mois au Service de Risques de Marché et de Crédit de la Banque de France

Vous avez intégré la Banque de France dans le cadre d’un stage de six mois, toutes nos félicitations. Quelques semaines après votre arrivée, il vous est demandé de présenter votre activité à quelqu’un qui découvre le sujet . Vous devez donc rendre votre présentation accessible sans pour autant délaisser les éléments clés. À l’aide du Cahier des charges Contreparties ‐ Partie1 / Documentation générale / Décembre 2016, accessible sur le site de la Banque de France : - Préparer un support PowerPoint de 5 à 8 slides vous permettant de présenter le tableau présent dans la partie 3.3. "La position du panier et des utilisations" du Cahier des charges susnommé, en vous focalisant sur les actifs négociables (titres domestiques, titres CCBM et collatéral triparty domestique). Il n’est pas nécessaire de présenter le collatéral Créances privées ni le collatéral Espèces; - Préparer également un document Word d'une page expliquant votre méthodologie de travail (difficultés rencontrées, choix réalisés...). Des questions pourront vous être posées sur votre travail lors de l’entretien, le cas échéant. Ce challenge est destiné aux étudiants en France. En complément de ce challenge, merci de postuler via l'adresse suivante: https://www.recrutement.banque-france.fr/detail-offre/gestionnaire-operations-de-marche-politique-monetaire-h-f-2550239/

Possible reward :

• Un entretien pour un stage rémunéré de 6 mois à la Banque de France