Description

Vos données sont un atout sous-exploité ?

Vos projets IA restent bloqués entre PoC et déploiement à grande échelle ?

En tant que Ph.D. en Machine Learning et Senior Data Scientist & Machine Learning Engineer freelance, j’aide les organisations à transformer leurs défis data en solutions IA concrètes, robustes et industrialisées.

Fort de plus de 10 ans d’expérience auprès de grands groupes (Énergie, Médias, Conseil, Transport, Secteur Public), j’interviens sur l’ensemble du cycle de vie des projets IA.

✓ 𝗜𝗔 𝗚é𝗻é𝗿𝗮𝘁𝗶𝘃𝗲 (𝗟𝗟𝗠, 𝗥𝗔𝗚): Développement et déploiement de solutions pour automatiser, traduire, enrichir l’expérience client et booster la productivité.

✓ 𝗠𝗼𝗱é𝗹𝗶𝘀𝗮𝘁𝗶𝗼𝗻 𝗮𝘃𝗮𝗻𝗰é𝗲 : Conception de modèles ML & DL pour la prédiction, l’analyse de séries temporelles complexes, la fouille de graphes, le NLP (classification, anonymisation) et la Computer Vision.

✓ 𝗠𝗟𝗢𝗽𝘀 & 𝗜𝗻𝗱𝘂𝘀𝘁𝗿𝗶𝗮𝗹𝗶𝘀𝗮𝘁𝗶𝗼𝗻 : Mise en production scalable sur Kubernetes, Docker et pipelines CI/CD (GCP, AWS, Azure DevOps).

✓ 𝗕𝗶𝗴 𝗗𝗮𝘁𝗮 : Exploitation de volumes massifs avec Spark, Apache Beam, BigQuery et architectures cloud performantes.

𝗗𝗘𝗦 𝗥É𝗦𝗨𝗟𝗧𝗔𝗧𝗦 𝗖𝗢𝗡𝗖𝗥𝗘𝗧𝗦 𝗘𝗧 𝗠𝗘𝗦𝗨𝗥𝗔𝗕𝗟𝗘𝗦 :

✓ +96% de rappel sur un modèle de recrutement,

✓ Réduction ×5 des volumes de CV à traiter,

✓ 81% de précision pour la prédiction de churn,

✓ 500 000 € de financements IA obtenus pour un grand groupe média.

𝗠𝗢𝗡 𝗔𝗣𝗣𝗥𝗢𝗖𝗛𝗘 : combiner expertise scientifique, vision produit et rigueur d’industrialisation pour livrer des solutions IA qui passent du laboratoire au terrain.

En tant que consultant indépendant, j’apporte la flexibilité, l’efficacité et la maîtrise technique nécessaires pour accélérer votre transformation numérique et concrétiser vos ambitions stratégiques en IA.

Langues

Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

PWC France et Magreb
Sr. AI Engineer
CONSEIL & AUDIT
mars 2024 - décembre 2024 (9 mois)
Neuilly-sur-Seine, France
Projets clés :
Projet 1 : Développement d'une IA pour la catégorisation des emails liés aux relances de factures, automatisant ainsi la gestion et le tri des communications. Projet 2 : Création d'une IA de soutien au recrutement, capable d'évaluer les profils candidats avec précision pour simplifier et accélérer le processus de sélection.

Equipe Projet : 7 personnes (1 Directeur Data,1 Team Lead, 2 Squad lead, 4 Sr. IA Engineer)

Responsabilités principales:
• Analyse des besoins métiers en collaboration avec les équipes fonctionnelles (Features Teams).
• Cadrage et planification des projets en lien avec les parties prenantes.
• Développement de solutions d'IA basées sur des Large Language Models (LLM).
• Organisation et gestion de campagnes de collecte de données métier pour entraîner les modèles.
• Évaluation des performances des modèles : IA Recrutement : 96% de rappel sur les profils « high_match », 90% de précision sur les profils « low_match ».
• Conception et développement d'APIs performantes avec FastAPI.
• Déploiement des solutions sur un cluster Kubernetes, en garantissant la scalabilité et la robustesse.
• Animation de réunions hebdomadaires avec les parties métiers pour assurer le suivi et l'alignement des projets.

Environnement technique LangChain, Fast API, Python3, Pytest, MLflow, Sphinx, Kubernetes, Rancher, Azure Devops, DSPy
Modèles mathématiques GPT4/GPT4o
LeMonde
Tech Lead Data Scientist
novembre 2022 - mars 2024 (1 an et 4 mois)
Paris, France
Projet : Développement de modèles Data Science, mentoring et gestion d’équipe
Équipe projet : 7 personnes (1 PO/PM, 1 Directeur Data, 2 Data Scientists, 1 Data Engineer, 2 Développeurs)

Tâches principales :

- Recueil des besoins métier auprès des équipes fonctionnalités et participation aux sprints (grooming, backlog).
- Développement d’un crawler scalable pour la collecte de données des archives d’un site en production.
- Mise en place de pipelines : monitoring qualité des données, profilage, traçabilité, calcul incrémental, entraînement périodique de modèles et scoring.
Conception et supervision d'une architecture Data Science sur Google Cloud Platform (GCP) et suivi des coûts.
- Développement de modèles prédictifs :
- Détection de désabonnement précoce (early churner) (Rappel : 27 %, Précision : 81 %).
- Propension à l'abonnement (Rappel : 73 %, Précision : 48 %).
- Analyse de données (A/B testing) et documentation technico-fonctionnelle.
- Mise à jour de l’infrastructure de production, rédaction de tests unitaires/integration (Pytest, doctests) et post-mortem.
- Rédaction d’un dossier pour un financement GAFAM (500 000 € remportés).
- Intégration de LLM (GPT-3.5/4) pour des cas d’usage : moteur de recherche (re-ranking), réécriture automatisée, traduction (finetuning).

Environnement technique :
Technologies : Python, MLflow, Sphinx, GCP (Vertex AI, Kubeflow, Dataproc, Dataflow, BigQuery, Cloud Functions), Spark, Airflow, Scrapy, Jira, Azure OpenAI, Fastly, Cosmos DB.
Modèles : XGBoost, t-SNE, GPT-3.5/4.
Base de données : BigQuery, CloudSQL (MySQL).
Enedis
Machine Learning Engineer
avril 2022 - novembre 2022 (8 mois)
Courbevoie, France
Projet : Maintenance évolutive et mise en production d’une application d’extraction de connaissances à partir de verbatims
Équipe projet : 6 personnes (1 PO, 1 Scrum Master, 3 Machine Learning Engineers, 1 Développeur web)

Tâches principales :

Construction d’un graphe de connaissance (PhraseNet) à partir de verbatims.
Restructuration de l’application en classes, packaging avec Poetry et optimisation du code (profiling et réduction des fonctions chronophages).
Déploiement de l’application sur un cluster Kubernetes avec conteneurisation via Docker.
Implémentation d’une API REST avec Flask et documentation via Swagger.
Rédaction de la documentation technique et mise en place de pratiques DataOps pour automatiser les tâches opérationnelles.
Environnement technique :

Technologies : Python 3, Flask, Marshmallow, Sphinx, Kubernetes, Docker, JFrog Artifactory.
Modèle : Graphe de connaissance (Knowledge Graph).