Description

Ingénieur Civil des Mines et des Ponts et Chaussées, j'évolue en tant que Lead Data Scientist sur des projets innovants à grand volume de données de l'idéation du cas d'usage IA à l'industrialisation. Au cours de mes différents projets, je me suis spécialisé dans le NLP, le customer first, l'industrie 4.0 ainsi que le MLOps pour l'industrialisation et le maintien d'un projet IA.

Je suis également formateur à l'école des Mines de Paris.

A des fins de capitalisation et partage de connaissances, j'écris régulièrement des articles sur des projets ambitieux d'Intelligence Artificielle.

Langues

Anglais
Capacité professionnelle complète
Espagnol
Capacité professionnelle complète
Français
Bilingue ou natif
Portugais
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris 12e Arrondissement (jusqu’à 50 km)

Ministère des Armées
NLP: Matching automatisé entre une fiche de poste et des CVs
DÉFENSE & ARMÉE
novembre 2020 - mai 2021 (6 mois)
Paris, France
Tâches réalisées :
- Nettoyage et prétraitement des données
- Anonymisation des données
- Utilisation d’algorithmes préentraînés (word2vec, Glove, NER)
- Définition d’un WordEmbeddings spécifique au vocabulaire du ministère
- Automatisation de l’ensemble du prétraitement afin que l’utilisateur ait une liste des 10 CVs les plus cohérent par rapport à une fiche de poste donnée

Résultats : Pour une fiche de poste donnée, l’algorithme fournit à l’utilisateur final au moins 8 collaborateurs des 10 collaborateurs les plus cohérent parmi un vivier d’environ 8000 personnes
Python OVH Machine learning Scikit-learn NLP Jupyter
PSA VENTURES
Maintenance predictive de batterie de voiture
AUTOMOBILE
décembre 2020 - Aujourd'hui (5 ans et 6 mois)
Paris, France
Fournir un indicateur d’aide à la décision à l’utilisateur afin d’anticiper une éventuelle panne

Tâches réalisées :
- Définition d'indicateurs opérationnels permettant l'optimisation de la maintenance à court et l’optimisation des stocks à long terme
- Développement d'une architecture avec automatisation de la pipeline d'ingestion, packaging des différents algorithmes, stockage des données et visualisation des indicateurs pertinents sur des tableaux de bord PowerBI
- Valorisation de la donnée à travers une collaboration Industriel et Expert de la donnée
- Compréhension des besoins des parties prenantes et ajout de sens métier dans l'ensemble des analyses.

Résultats :
- Identification d’anomalies sur des séries temporelles issues de capteurs
- Mise en évidence de corrélation entre des données de la batterie et d’éventuelles pannes
- Définition d’algorithmes définissant l’usure de la pièce à travers le temps ainsi qu’une probabilité de panne
Apache Spark MLlib Microsoft Power BI Jupyter Scikit-learn Machine learning Apache Parquet
DGFIP
Détection automatisée de piscines et bâti
SECTEUR PUBLIC & COLLECTIVITÉS
décembre 2020 - Aujourd'hui (5 ans et 6 mois)
Paris, France
Tâches réalisées :
- Prétraitement et nettoyage des données
- Définition des algorithmes IA permettant la détection des piscines et bâti à partir des images satellitaires
- Mise en place de bonnes pratiques MLOps (boucle de rétroaction, suivi des performances modèles et des données etc.)
- Mise à l’échelle du projet et intégration des analyses IA dans l’architecture de la DGFIP
- Mise à disposition des indicateurs opérationnelles au métier

Résultats : passation de savoir avec l’IA Factory de la DGFIP, utilisation et gain de temps quotidien des équipes métiers
GitHub Kubernetes Deep Learning Machine learning Google cloud Kibana Elasticsearch