À propos de Agnès
À propos de moi
Je suis Lead ML Engineer spécialiste Computer Vision | Data Scientist | +15 ans d’exp. | YOLO, RAG & LLM, Transformers, Cloud AWS.
A partir de données dispersées et analyses manuelles, je conçois des solutions Vision & IA industrialisées pilotant la décision.
Forte de plus de 15 ans d’expérience en structuration de sujets complexes et pilotage stratégique & budgétaire, je traduis les enjeux business en architectures ML robustes pour passer de l’expérimentation à l’industrialisation réelle.
Pourquoi Moi ?
Ma force réside dans l'hybridation de 3 piliers :
1️⃣ Expertise tech : Maîtrise du cycle complet (Data Science, Computer Vision, MLOps & Cloud).
2️⃣ Savoir-décider : Vision macro-économique et gestion budgétaire héritées de mes fonctions de direction.
3️⃣ Savoir-transmettre : Capacité à vulgariser des concepts abstraits pour fédérer les parties prenantes, du terrain jusqu'au board.
Mes domaines d’intervention
✅ Computer Vision & industrialisation : Automatisation de la détection et segmentation d'objets (YOLO) sur AWS, transformant des calculs manuels laborieux en flux de production haute performance.
✅ IA Générative (RAG/LLM) : Conception de systèmes d'extraction intelligente pour structurer des volumes massifs de données non-structurées et booster la productivité R&D.
✅ Modélisation & précision : Développement et optimisation de modèles de Machine Learning / Deep Learning sur données spectrales et génotypiques, sécurisant la prise de décision stratégique.
Comment on travaille ensemble
- Basée à Bordeaux.
- Interventions en remote.
- Disponible immédiatement, à temps plein.
- Réponse via Malt en moins de 2h.
Français
Bilingue ou natif
Anglais
Capacité professionnelle limitée
En télétravail uniquement
Travaille majoritairement à distance
Expériences
- Mas Seeds groupe MaïsadourData Scientist / Machine Learning EngineerINDUSTRIE MATIÈRES PREMIÈRESseptembre 2024 - février 2026 (1 an et 5 mois)Bordeaux, FranceLe challenge :D’une approche fragmentée et partiellement manuelle à une R&D automatisée, innovante et compétitive grâce aux modèles ML et aux outils d’analyse avancés.Ma mission était de moderniser les outils d’analyse et exploiter les données existantes afin de fiabiliser les étapes de sélection variétale, accélérer la R&D, automatiser les processus et innover dans la création variétale, en cohérence avec les enjeux métier.Je suis intervenue sur 5 aspects :1️⃣ Identification et optimisation de modèles ML/DL plus performants sur données NIRS multi-traits, pour améliorer la prédiction de la composition du maïs et sécuriser la sélection de meilleures variétés2️⃣ Mise en place d’un système automatisé d’extraction de données depuis des PDF (RAG +LLM) pour gagner du temps et améliorer la productivité R&D ;3️⃣ Développement d’un modèle RandomForest pour classifier les données génotypiques de tournesol et fiabiliser la création de variétés qualitatives ;4️⃣ Test et évaluation d’un modèle Transformer innovant spécialisé sur des données génomiques pour identifier les gènes d’intérêt et améliorer les méthodes de sélection variétale5️⃣ Détection et segmentation d’objets sur images (épis et grains de maïs), avec industrialisation sur AWS, pour fiabiliser et accélérer les calculs de rendement et de productivitéRésultats :✅ Réduction de 18 % de l’erreur moyenne sur les modèles NIRS, améliorant la fiabilité des décisions sur la sélection variétale ;✅ Automatisation des extractions PDF, générant un gain de productivité significatif pour laR&D ;✅ Classification RandomForest et analyse des données génotypiques, optimisant la description de la diversité génétique et la création de nouvelles variétés ;✅ Accélération et fiabilisation des calculs de rendement et de productivité grâce à la Computer Vision;✅ Contribution globale à une R&D plus rapide, plus fiable et compétitive, renforçant la confiance des clients et la capacité à innover face à la concurrence.
- Openclassrooms –CentraleSupélecPause professionnelleEDUCATION & E-LEARNINGseptembre 2022 - août 2024 (1 an et 11 mois)Bordeaux, FranceEn formation avec Openclassrooms :
- Sept projets appliqués sur des cas métier (banque, retail, énergie, santé) validés en soutenance
- ML & DL en Python , Mise en production/ MLOps : API, dashboards, AWS, PySpark, Computer Vision
Python, Deep Learning, NLP, CNN, scikit-learn, TensorFlow, AWS, Streamlit, Flask - Education NationalePilotage stratégique et gestion des ressources (Chef d'établissement scolaire adjointe)SECTEUR PUBLIC & COLLECTIVITÉSseptembre 2020 - août 2022 (1 an et 11 mois)Bordeaux, FranceMon expérience de direction me permet d'appréhender un projet ML non seulement sur le plan technique, mais aussi sous l'angle budgétaire, organisationnel et politique :1️⃣ Management de projets complexes : Pilotage de la politique pédagogique et coordination d'équipes pluridisciplinaires ;2️⃣ Gestion de l'innovation : Mise en œuvre de solutions numériques et optimisation des ressources matérielles/budgétaires ;3️⃣ Management RH : Direction d'équipes pluridisciplinaires, gestion des conflits et conduite du changement ;4️⃣ Pilotage stratégique :⠀⠀✅Organisation et continuité de service : planification RH, gestion des imprévus et pilotage de la communication,⠀⠀✅ Mise en œuvre de la politique pédagogique,⠀⠀✅ Construction et gestion du budget sous contrat d’objectifs avec la collectivité territoriale de rattachement en respectant 7 principes fondamentaux dont l’équilibre et la sincérité
Recommandations
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Machine Learning EngineerOpenclassrooms2026Huit projets appliqués sur des cas métier multi-disciplinaires, évalués en soutenance : - Analyse de données sur l’alimentation, - Catégorisation de données textuelles et image, - Segmentation client, - Prédiction efficacité énergétique de batiment, - Déploiement d’infrastructure Big Data dans le Cloud, - Gestion de projet IA --> Python, ML, Deep Learning, NLP, Scikit-Learn, Tensorflow, AWS, Streamlit, FastAPI
- Data ScientistOpenclassrooms-CentraleSupélec2023- Sept projets appliqués sur des cas métier (banque, retail, énergie, santé) validés en soutenance - ML & DL en Python , Mise en production/ MLOps : API, dashboards, AWS, PySpark --> Python, Deep Learning, NLP, CNN, scikit-learn, TensorFlow, AWS, Streamlit, Flask
Certifications
- Data Scientist - Expert en Data ScienceOpenClassrooms2023