PwC
PwC en Tunisie propose ce sujet de PFE au sein de sa ligne de services Technology (practice Data / Data Engineering & Automatisations), sous la référence TAC-PE010/27.
Description du sujet : Ce projet vise à concevoir et développer une plateforme décisionnelle intelligente intégrant les technologies de Business Intelligence, de Data Engineering et d’Intelligence Artificielle Générative afin de faciliter l’accès aux données et d’automatiser les analyses. La solution permettra aux utilisateurs d’interagir avec les données en langage naturel, de générer automatiquement des requêtes SQL, de produire des tableaux de bord Power BI et de recevoir des analyses ainsi que des recommandations métier générées par l’IA. Problématique Comment exploiter l’IA générative pour automatiser l’analyse des données d’entreprise, faciliter l’accès aux informations décisionnelles et améliorer la prise de décision des utilisateurs métier ?
Objectifs du stage : Les principaux enjeux du projet sont : - Démocratiser l’accès aux données au sein de l’entreprise. - Réduire le temps nécessaire à la production des analyses et rapports. - Améliorer la qualité et la rapidité de la prise de décision. - Valoriser les données de l’entreprise à travers des outils intelligents. - Exploiter l’IA générative pour automatiser certaines tâches analytiques. - Centraliser les données provenant de multiples sources dans une plateforme unifiée. - Objectifs - Objectif général - Concevoir une plateforme décisionnelle intelligente capable d’automatiser l’analyse des données d’entreprise et de fournir une assistance décisionnelle basée sur l’IA générative. - Objectifs spécifiques - Mettre en place une architecture d’intégration de données. - Collecter les données depuis différentes sources via API et bases de données. - Concevoir et alimenter un Data Warehouse. - Automatiser les flux de données à l’aide d’Azure Data Factory. - Développer un assistant conversationnel intelligent. - Générer automatiquement des requêtes SQL à partir du langage naturel. - Produire des tableaux de bord dynamiques sous Power BI. - Générer automatiquement des insights et recommandations métier. - Mettre en œuvre des fonctionnalités prédictives (ventes, performance, anomalies, etc.).
Profil recherché : - Technologies : Data Engineering, Azure Data Factory (ADF), SQL Server ou PostgreSQL, APIs REST, Intelligence Artificielle, Azure OpenAI, GPT-4o, Prompt Engineering, Développement, Python, FastAPI, Git, API REST, Business Intelligence, Power BI, DAX, Power Query, Data Science (Optionnel), Scikit-Learn, XGBoost, Prophet - Connaissances théoriques : Le candidat devra posséder des connaissances dans les domaines suivants : Bases de données, Modélisation relationnelle, Schémas en étoile et en flocon, SQL avancé, Data Warehouse, Data Engineering, ETL / ELT, Intégration de données, Orchestration des flux, Business Intelligence, Concepts décisionnels, KPIs, Reporting, Data Visualization, Intelligence Artificielle, Machine Learning, Large Language Models (LLM), IA Générative, Prompt Engineering, Développement logiciel, Architecture client-serveur, APIs REST, Conception logicielle - Connaissances pratiques : Langages, Python, SQL, Outils Data, Azure Data Factory, SQL Server ou PostgreSQL, Power BI, Développement, Visual Studio Code, Git, FastAPI, Cloud, Microsoft Azure, Azure OpenAI, Azure SQL Database, Analyse de données, Nettoyage de données, Transformation de données, Création de rapports, Interprétation d’indicateurs métier
Conditions du stage : - Référence du sujet : TAC-PE010/27 - Nombre de stagiaires : 1 - Candidature : envoyez votre CV à [email] avec en objet « Candidature PFE – Réf sujet(s) | Ligne de Services–Business Unit ou practice | Votre école | Votre spécialité | Votre nom »
Niveau : Niveau ouvert Mode : Présentiel Source : PFE Book PwC 2026-2027 (pfebooks.com)
- Le stagiaire sera amené à : - Phase 1 : Analyse et conception - Étudier les besoins métier. - Analyser l’existant. - Concevoir l’architecture fonctionnelle et technique. - Modéliser les flux de données. Phase 2 : Data Engineering - Développer les pipelines d’intégration de données. - Configurer Azure Data Factory. - Mettre en place les processus ETL/ELT. - Construire le Data Warehouse SQL. Phase 3 : Développement IA - Intégrer Azure OpenAI. - Développer les prompts de génération SQL. - Implémenter un moteur d’analyse automatisée. - Construire un chatbot décisionnel. Phase 4 : Business Intelligence - Développer les modèles de données. - Concevoir les tableaux de bord Power BI. - Créer les indicateurs de performance (KPIs). - Automatiser le reporting. Phase 5 : Tests et déploiement - Réaliser les tests fonctionnels. - Évaluer la qualité des réponses générées. - Optimiser les performances. - Rédiger la documentation technique et utilisateur.
Talnivo calcule votre score de compatibilité CV ↔ offre et vous aide à l'améliorer avant de postuler.
Créer un compte gratuitVoir toutes les offres sur Talnivo