Solution de migration AI Assisted Solution for Legacy PAS migration - QC-891

Genre de projet: Innovation
Discipline(s) souhaitée(s): Génie - informatique / électrique, Génie, Informatique, Sciences mathématiques, Statistiques / études actuarielles
Entreprise: Ayata.A
Durée du projet: 4 à 6 mois
Date souhaitée de début: Dès que possible
Langue exigée: Flexible
Emplacement(s): Montreal, QC, Canada
Nombre de postes: 2
Niveau de scolarité désiré: MaîtriseDoctoratRecherche postdoctoraleNouvelle diplômée/nouveau diplômé
Ouvert aux candidatures de personnes inscrites à un établissement à l’extérieur du Canada: No

Au sujet de l’entreprise: 

Ayata développe des logiciels qui aident les entreprises à prendre des décisions plus éclairées quant à leur avenir. Parmi nos clients figurent certaines des entreprises les plus grandes au monde.
La technologie d'Ayata est multimodale par nature. Notre logiciel breveté analyse des données hybrides – une combinaison de données structurées et non structurées – afin d'anticiper les tendances et de recommander comment tirer parti de ces perspectives en respectant les priorités. Nous intervenons dans les secteurs de l'énergie et de l'assurance.

Veuillez décrire le projet.: 

Ce projet fournit un cadre, des outils et des processus assistés par l'IA pour automatiser la migration des systèmes de gestion des polices (PAS) existants vers un PAS virtuel moderne et une base de données client unifiée (UCCD). L'innovation réside dans la transition d'approches de migration manuelles et fragmentées vers un pipeline explicable, qui identifie, extrait, transforme et valide les données, les fonctions et les règles.
La solution combine les capacités d'IA existantes (RAG, LLM, OCR) avec le développement de modèles pour des tâches spécifiques au domaine (l'inférence de règles, la décomposition de fonctions). Elle introduit des agents pour l'identification, le mappage, l'extraction, la transformation et la validation des fonctions et des données, soutenus par des couches d'orchestration et d'audit. Il s'agit d'automatisation des processus, avec des gains significatifs en termes de rapidité, de précision et de traçabilité. Les tâches principales comprennent : l’ingestion et la structuration des artefacts existants (code, données, documents), l’identification et le mappage des fonctions et des schémas par l’IA, l’extraction automatisée des données et de la logique à l’aide de SQL et, de rapports, la transformation et le nettoyage des données, et le chargement dans Virtual PAS et UCCD.
La méthodologie met l’accent sur l’explicabilité, les tests et la gouvernance. Une validation robuste inclut la comparaison des données, les tests fonctionnels et la vérification de bout en bout des processus métier afin de garantir une parfaite correspondance avec les systèmes existants.
Le cadre de travail aborde les défis tels que les données manquantes ou incohérentes, les règles non documentées et la logique opaque grâce à la détection des écarts, la validation par des experts et l’amélioration itérative du modèle. La sécurité, la conformité et l'auditabilité sont intégrées, garantissant un traitement sécurisé des données personnelles et des résultats de migration traçables.

Expertise ou compétences exigées: 

Backend
• Python : données, API (FastAPI)
• Ingénierie des données : Pandas, PySpark, Airflow/Prefect
• Stack IA/ML : Hugging Face Transformers, LangChain/LlamaIndex
• Intégration de LLM : API compatibles OpenAI, LLM locaux (Llama, Mistral) via vLLM/Ollama
• OCR : Tesseract, LayoutLM, PyMuPDF
• Migration et ETL : SQL, dbt, Alembic
• Bases de données vectorielles : FAISS, Chroma, Weaviate ou Milvus
• Analyse de code : tree-sitter, analyse syntaxique AST
• Tests : PyTest, Great Expectations, tests unitaires et d’intégration

Frontend
• JS/TS modernes : React ou Next.js
• Frameworks d’IU : TailwindCSS/Material UI
• Visualisation : D3.js, Plotly
• Intégration API : clients REST/GraphQL

Techniques d’IA et de données
• Génération augmentée par recherche (RAG)
• Recherche sémantique, prompting
• Extraction d’informations
• Extraction et inférence de règles à partir de systèmes existants

Architecture et DevOps
• Microservices, conteneurisation (Docker, Kubernetes)
• CI/CD : GitHub Actions / GitLab CI
• Cloud: Azure, AWS ou auto-hébergement
• Gouvernance des données

Compétences fonctionnelles
• Analyse des systèmes existants (COBOL, concepts mainframe)
• Connaissance du secteur de l’assurance et des systèmes d’assistance technique (polices, facturation, sinistres)
• Gestion et réconciliation de la qualité des données

Compétences interpersonnelles
• Approche axée sur l’explicabilité
• Excellentes compétences en documentation et communication
• Collaboration avec les experts métiers pour la validation des règles et la résolution des écarts