À propos de Armand
Vous perdez du temps à passer du prototype à la production ? Vos équipes ML/Data ont besoin de workflows plus rapides et uniformes ?
J’aide à industrialiser les pipelines, standardiser les pratiques et moderniser les stacks, pour que vos équipes se concentrent sur la valeur métier.
Résultat : déploiements plus rapides, maintenance simplifiée et équipes plus efficaces.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Espagnol
Capacité professionnelle complète
Catalan
Capacité professionnelle complète
Chinois
Notions
Accepte de travailler sur site
Paris (jusqu’à 50 km)
Expériences
- Société Générale - CIBMachine Learning EngineerBANQUE & ASSURANCESnovembre 2025 - Aujourd'hui (7 mois)Paris, FranceIntégration au Datalab de la Banque d’Investissement de Société Générale (20 personnes à Paris, >5 en Inde). Responsable du déploiement des modèles ML/GenAI développés par les Data Scientists, ainsi que de la conception et de la maintenance de l’infrastructure ML (on-premise & Azure)
- Mise en place d’une CI/CD standardisée et paramétrable : tests automatisés, linting, conventions de commits, tagging Docker (prod/dev), releases GitHub semver et déploiement via ArgoCD. A permis de réduire d’environ 50 % le temps des Data Scientists sur le développement et des ML Engineers sur la maintenance et la réparation en production.
- Création d’un projet API de référence documenté de A à Z pour les Data Scientists, incluant toutes les étapes de mise en production sur notre stack Azure. Résultat : création d’un projet API 3x plus rapide, servant de template pour tous les nouveaux projets, hors logique métier spécifique.
- Société GénéraleMachine Learning EngineerBANQUE & ASSURANCESavril 2025 - octobre 2025 (6 mois)Paris, FranceIntégration au sein du Non-Financial Risk Datalab (10 personne, fonctionnement Agile) . Conception et mise en production d’applications utilisées directement par le département des risques.
- Déploiement en production d’une application basée sur un LLM générant automatiquement les rapports du comité des risques. Automatisation du suivi des indicateurs, permettant un gain de cinq jours par trimestre pour le comité.
- Contribution active à la modernisation de la stack technique du Datalab et à l’acculturation des équipes (pre-commit hooks, templates cookiecutter, conventional commits, formations Git, etc.).
- De ma propre initiative, conception et développement d’un modèle de machine learning de classification d’incidents, améliorant la qualité des données utilisées pour le reporting et la prise de décision à l’échelle de l’entreprise.
- Contributions open-source à Airflow, la plateforme d’orchestration de workflows la plus utilisée du marché.
- BLI - Banque de Luxembourg InvestmentsData EngineerBANQUE & ASSURANCESavril 2024 - août 2024 (5 mois)Luxembourg, LuxembourgIntégration au sein d’une équipe de gérants et d’analystes de fonds d’investissement (10 personnes). J’ai automatisé des processus chronophages pour mon tuteur.Développement d’une application permettant de générer des graphiques personnalisables et de les intégrer automatiquement dans des rapports PDF à partir de données prétraitées. Cette solution a permis à mon tuteur ainsi qu’au CEO de la banque d’économiser plusieurs jours de travail par mois. Ces rapports et graphiques sont désormais utilisés pour le reporting des fonds de la banque.Optimisation du volume de données demandées au prestataire chaque mois, entraînant une réduction des coûts mensuels de l’entreprise de plusieurs dizaines d’euros.De ma propre initiative, j’ai conçu une application générant des tableaux croisés dynamiques entre fonds de fonds et fonds sous-jacents. Mon tuteur a reçu des retours très positifs et utilise désormais ce format.
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
- Master Data Science parcours FinanceParis-SaclayStatistiques non paramétriques - Statistiques asymptotiques et modèles linéaires généralisés (GLM) - Statistiques pour les processus stochastiques - Apprentissage non supervisé - Apprentissage profond - Optimisation pour la science des données - Données manquantes - Modèles graphiques - Bases de données - Algorithmique et GPU - Finance numérique - Apprentissage automatique pour la finance et l'assurance
- Ingénieur des Mines de Saint-EtienneMines de Saint-EtienneIngénieur Systèmes Microélectronique et Informatique
Certifications
- Enterprise Data Science in PracticeIBM2023
- Data FundamentalsIBM2023