Talnivo
Sujet de PFE

Conception et développement d’une plateforme intelligente de Generative Business Intelligence basée sur une architecture multi-agents explicable pour l’automatisation du processus Data-to-Insight

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-PE009/27.

Description du sujet : Ce projet consiste à concevoir et développer une plateforme intelligente basée sur l’intelligence artificielle générative et une architecture multi-agents, permettant d’automatiser l’ensemble du processus de traitement, d’analyse et de visualisation des données, depuis leur ingestion jusqu’à la production d’indicateurs de performance et de tableaux de bord interactifs. La plateforme permettra à l’utilisateur d’importer différents types de données, notamment des fichiers Excel, CSV et des données provenant de bases de données SQL, puis de formuler ses besoins en langage naturel. Un ensemble d’agents spécialisés analysera les données, identifiera les indicateurs clés de performance (KPI) pertinents, concevra les transformations nécessaires et générera les workflows ETL adaptés aux besoins exprimés. L’architecture reposera sur plusieurs agents intelligents : - Un agent de compréhension des données, chargé d’identifier automatiquement les structures, les types de données, les relations entre les variables, les valeurs manquantes, les doublons et les anomalies, afin d’évaluer la qualité des données. - Un agent d’intelligence KPI, chargé d’identifier les indicateurs pertinents selon le contexte métier, de définir leurs formules de calcul et de proposer les dimensions d’analyse appropriées. - Un agent ETL intelligent, capable de transformer une demande formulée en langage naturel en un processus de traitement des données. Cet agent proposera deux approches : la génération de workflows ETL avec Alteryx Designer ou la conception d’une architecture Medallion sur Azure, orchestrée par Azure Data Factory. - Un agent de génération de Business Intelligence, chargé de produire les mesures DAX, de sélectionner les visualisations adaptées et d’automatiser la création de dashboards Power BI à partir des données préparées. - Un orchestrateur central, chargé de coordonner les agents, de gérer les dépendances entre les différentes étapes, de contrôler les résultats et de gérer les erreurs. Pour l’approche Alteryx, l’agent ETL concevra des workflows comprenant les opérations nécessaires à l’ingestion, au nettoyage, à la jointure, à l’agrégation et à l’exportation des données. La génération et l’exécution automatiques dépendront des formats et des mécanismes d’automatisation pris en charge par l’environnement Alteryx disponible. Pour l’approche Azure, l’agent concevra une architecture Medallion composée de trois couches : - Bronze : ingestion et conservation des données sources avec leurs métadonnées de provenance. - Silver : nettoyage, déduplication, normalisation, harmonisation des formats et contrôle de la qualité. - Gold : préparation des tables analytiques, calcul des KPI et structuration des données destinées à la Business Intelligence. Azure Data Factory assurera l’orchestration des pipelines entre les différentes étapes, tandis que les transformations seront réalisées à l’aide des services Azure adaptés à l’architecture retenue. La plateforme intégrera également un mécanisme d’explicabilité (XAI) permettant de justifier les décisions prises par chaque agent, les transformations appliquées, les KPI sélectionnés et les visualisations générées. Des mécanismes de validation permettront de vérifier la cohérence des résultats avant l’exécution des workflows ou le déploiement des pipelines.

Objectifs du stage : Enjeux : - Réduire le temps consacré à la préparation, au nettoyage et à la transformation des données. - Automatiser la conception des workflows ETL et des architectures de données à partir de prompts en langage naturel. - Améliorer la qualité, la cohérence et la traçabilité des données utilisées dans les analyses. - Faciliter l’identification des KPI pertinents pour les besoins métiers et financiers. - Automatiser la production de dashboards et réduire les interventions manuelles. - Garantir la transparence, l’explicabilité et la fiabilité des décisions générées par l’intelligence artificielle. Objectifs : - Développer une plateforme multi-agents capable de comprendre des données hétérogènes et d’identifier automatiquement leurs caractéristiques. - Concevoir un agent intelligent de sélection et de formalisation des KPI. - Développer un agent ETL capable de générer des workflows Alteryx ou des pipelines Azure Data Factory reposant sur une architecture Medallion. - Automatiser la génération des mesures DAX et des visualisations Power BI. - Mettre en place un orchestrateur central assurant la coordination des agents et le suivi du processus Data-to-Insight. - Intégrer des mécanismes XAI pour expliquer et tracer les décisions et les transformations. - Évaluer les performances, la qualité des résultats et le niveau d’automatisation de la plateforme.

Profil recherché : - Technologies : Langages de programmation : Python, SQL. ; Manipulation et analyse des données : Pandas, NumPy, Polars. ; Intelligence artificielle générative : grands modèles de langage (LLM), ingénierie de prompts, sorties structurées et API de modèles. ; Architecture multi-agents : LangGraph et mécanismes d’orchestration des agents. ; ETL — approche Alteryx : Alteryx Designer, workflows de traitement des données et outils de transformation. ; ETL — approche Azure : Azure Data Factory, Azure Data Lake Storage Gen2, architecture Medallion (Bronze, Silver, Gold), Data Flows et services de transformation adaptés. ; Business Intelligence : Microsoft Power BI, DAX, Power Query, modélisation sémantique et API disponibles selon les autorisations. ; Explicabilité et validation : règles de décision explicites, tests automatisés, traçabilité des données, analyse des erreurs et SHAP pour les modèles prédictifs lorsque cela est pertinent. ; Développement applicatif : FastAPI, Streamlit ou React pour l’interface utilisateur. ; Industrialisation : Git, Docker, tests automatisés et documentation technique. - Connaissances théoriques : Statistiques descriptives, analyse exploratoire et méthodes de détection des anomalies. ; Fondamentaux du Machine Learning et de l’intelligence artificielle générative. ; Fonctionnement des grands modèles de langage, ingénierie de prompts et génération structurée. ; Architectures multi-agents, planification des tâches et orchestration des processus. ; Concepts ETL/ELT, intégration des données et gestion de la qualité. ; Architecture Medallion et principes des plateformes modernes de données. ; Principes de la Business Intelligence, modélisation dimensionnelle et conception des KPI. ; Langage DAX et fonctionnement des modèles sémantiques Power BI. ; Explicabilité de l’intelligence artificielle, traçabilité et gouvernance des données. ; Méthodes d’évaluation des systèmes intelligents, tests de performance et validation des résultats. ; Notions de sécurité, gestion des accès et protection des données. - Connaissances pratiques : Programmation Python et manipulation de données avec Pandas et NumPy. ; Utilisation de SQL pour interroger, transformer et agréger des données. ; Manipulation de fichiers Excel, CSV et de données provenant de bases de données relationnelles. ; Utilisation d’API REST, de fichiers JSON et de mécanismes de validation des données. ; Développement d’applications intégrant des modèles de langage et des prompts structurés. ; Conception de workflows ETL et compréhension des opérations de nettoyage, de transformation et d’intégration des données. ; Connaissances pratiques en Alteryx Designer ou en Azure Data Factory, selon l’approche ETL retenue. ; Compréhension des couches Bronze, Silver et Gold et des mécanismes d’orchestration des pipelines. ; Création de mesures DAX, modélisation des données et conception de rapports Power BI. ; Mise en place de tests automatisés, de contrôles qualité et de mécanismes de traçabilité. ; Utilisation de Git pour la gestion du code et documentation des développements. ; Capacité à analyser les résultats expérimentaux, à comparer différentes approches et à évaluer les performances d’une solution IA.

Conditions du stage : - Référence du sujet : TAC-PE009/27 - 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)

Missions

- Étudier les besoins métiers, les solutions ETL existantes et les architectures de Business Intelligence. - Concevoir l’architecture globale de la plateforme et les interactions entre les agents. - Développer un agent de profilage et de contrôle de la qualité des données. - Développer un agent d’identification des KPI et de génération des formules de calcul. - Concevoir l’agent ETL avec deux modes de fonctionnement : génération de workflows Alteryx Designer et génération de pipelines Azure Data Factory selon une architecture Medallion. - Développer l’agent de génération des mesures DAX et des dashboards Power BI. - Implémenter l’orchestrateur central et les mécanismes de gestion des erreurs. - Intégrer l’explicabilité, la traçabilité et les contrôles de validation des résultats. - Réaliser des tests sur différents jeux de données et comparer les résultats générés avec des traitements de référence. - Mesurer les gains de temps, le taux de réussite des traitements et la réduction des interventions manuelles. - Documenter la solution et préparer sa démonstration dans un contexte de conseil et d’analyse de données.

Compétences requises

📄 Générer Convention de Stage

Talnivo calcule votre score de compatibilité CV ↔ offre et vous aide à l'améliorer avant de postuler.

Créer un compte gratuit

Voir toutes les offres sur Talnivo

Inscription