Description

Freelance passionné par les données, j'accompagne mes clients dans la transformation de leurs chiffres en leviers de décision. Spécialisé en analyse de données et machine learning, j’aide les entreprises à mieux comprendre leur activité, automatiser leurs processus et anticiper l’avenir grâce à la prédiction.

Pourquoi moi ?

- Communication claire & vulgarisation accessible pour vos équipes

- Autonomie, rigueur, et livrables de qualité

- Un regard orienté business & impact, pas juste technique

Comment me décrire ?

- Explorateur : part à la recherche de données sur des terres inconnues

- Curieux : ne passe pas à côté d'une information essentielle

- Calculateur : aime les chiffres

- Bilingue : passe aisément du français au langage statistique

- Caricaturiste : reformule, vulgarise, schématise

- Fin limier : trouve les solutions adaptées aux problématiques métier

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Lyon (jusqu’à 10 km)

Enedis
Data Analyst
ENERGIE
juillet 2023 - Aujourd'hui (2 ans et 11 mois)
Lyon, France
Contexte : Leader français de la distribution d’électricité, gestionnaire d’un réseau de 38M+ compteurs Linky. Besoin : Industrialiser l’analyse des données pour piloter la performance du réseau et anticiper les mises à jour logicielles

Mission : Automatiser et optimiser le traitement des données de fonctionnement logiciel issues des compteurs Linky, en collaboration avec les équipes techniques et métiers, pour améliorer la performance du réseau et la prise de décision opérationnelle

Résultats clés :
Développement d’un ETL automatisé en SQL/Python (Polars), réduisant de 75 % le temps de traitement et divisant par 3 l’espace de stockage des données
Création de dashboards Power BI/Tableau pour le suivi des performances (taux de communication, anomalies)
Aide à la décision avec une approche statistique (A/B Testing) pour évaluer l’impact d’une mise à jour logicielle sur les performances du réseau
Python SQL Microsoft Power BI Tableau software
IA School, Supinfo, Le Wagon
Formateur en Data Science & Machine Learning
EDUCATION & E-LEARNING
octobre 2022 - juin 2023 (9 mois)
Lyon, France
Contexte : Intervention en Data Science & Machine Learning pour des publics variés : étudiants en reconversion et professionnels en upskilling. Objectif : Rendre accessibles des concepts techniques avancés et préparer les apprenants aux défis concrets de l’IA en entreprise

Mission : Concevoir et animer des cours théoriques et pratiques sur des thèmes clés de l’IA, en adaptant le contenu aux niveaux des participants. Focus sur l’application métier des algorithmes et la résolution de problèmes réels.

Résultats clés :
- Création ou appropriation de supports pédagogiques (slides, quizz, notebooks Jupyter) pour des modules tels que :
Statistiques et probabilités : Fondamentaux pour la modélisation et l’analyse des données (EDA, tests d’hypothèses, analyse de variance)
Machine Learning supervisé/non supervisé : Régression, classification, clustering (KMeans)
Time Series : Modélisation de données temporelles avec ARIMA
NLP : Traitement du langage naturel et RNN avec les transformers
- Accompagnement projet : Encadrement de groupes sur des cas réels (ex : algorithme de recommandations de livres basés sur les films vus, prédiction de la puissance d’un cycliste)
- Formation de 100+ apprenants (étudiants, professionnels), avec un taux de satisfaction de 92 NPS (évaluations post-formation)
Pédagogie Vulgarisation Jupyter NLP Timeseries
Amadeus
Data Scientist
HIGH TECH
décembre 2021 - octobre 2022 (10 mois)
Sophia Antipolis, France
Contexte : Projet R&D chez Amadeus (leader mondial des technologies pour le voyage) visant à développer une plateforme de recommandation d’activités touristiques

Mission : Concevoir, entraîner et évaluer un modèle d’IA capable de catégoriser des activités touristiques (musées, randonnées, vélo, etc.), en explorant différentes approches pour maximiser la précision et l’adaptabilité du système

Résultats clés :
Classification multi-class NLP (TF-IDF, BERT) avec précision de 92 % sur le jeu de test
Amélioration de la qualité du jeu de données d’apprentissage en annotant les descriptions des activités touristiques
Expérimentation de 3 approches (supervisée, non supervisée, semi-supervisée) et sélection du modèle optimal
Python Scikit-learn NLP TensorFlow