Description

Data Scientist end-to-end : de l'architecture data à la mise en production, avec un focus ROI.

Pendant 2 ans, j'ai été le seul Data Scientist d'un courtier en assurance suisse (EMGSA, Genève). J'ai géré l'intégralité du cycle projet en autonomie : identification des besoins avec la direction, développement, déploiement AWS, et maintenance en production. Résultat concret : 150k+ CHF d'économies annuelles quantifiées.

Ce que je livre :

→ Modèles ML en production — Lead scoring (CatBoost, amélioration 2.2x du taux de conversion), prédiction comportementale, détection d'anomalies. Avec pipelines de ré-entraînement automatisé et monitoring des performances.

→ Systèmes LLM & agentiques — RAG (Ollama, pgvector), MCP (FastMCP), orchestration Pydantic. J'ai conçu un système agentique pour l'extraction automatisée de données contractuelles.

→ Architecture data de A à Z — Data Lake BigQuery, pipelines ETL, ingénierie des features depuis données CRM. Infrastructure AWS (EC2/S3), Docker, CI/CD.

→ Automatisation à impact business — Pipelines de scraping (Python/Selenium) traitant 100+ leads/jour sur 8 sites, OCR + LLM pour le traitement documentaire.

Stack : Python • CatBoost/XGBoost/PyTorch • BigQuery • PostgreSQL • AWS • Docker • RAG/MCP • Streamlit • PySpark • Airflow

Disponible en télétravail, hybride ou sur site — Lyon, Genève, région Rhône-Alpes.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Saint-Julien-en-Genevois (jusqu’à 50 km), Lyon (jusqu’à 20 km)

EMGSA,
Data Scientist
BANQUE & ASSURANCES
novembre 2023 - novembre 2025 (2 ans)
Geneva, Switzerland
Seul Data Scientist de l'entreprise. Gestion autonome end-to-end de tous les projets data, du cadrage avec la direction à la mise en production AWS.

→ Lead scoring CatBoost (déséquilibre 1:15) : amélioration 2.2x du taux de conversion, pipeline de ré-entraînement automatisé et monitoring en production

→ Système agentique LLM combinant RAG (Ollama, pgvector) et MCP (FastMCP) pour extraction automatisée de données contractuelles

→ Data Lake BigQuery from scratch : architecture médaillon, feature engineering temporel et comportemental depuis CRM, 50K+ leads historiques

→ Pipeline d'automatisation Python/Selenium : 100+ leads/jour sur 8 sites, économies quantifiées : 150k+ CHF/an

→ Infrastructure AWS (EC2/S3), Docker, CI/CD — responsabilité complète dev-to-prod

→ Dashboards Streamlit pour monitoring des modèles et KPIs métier
Python Machine learning RAG Big Query Amazon Web Services
PellencST,
Junior Data Scientist
INGÉNIERIE MÉCANIQUE
février 2023 - septembre 2023 (7 mois)
Pertuis, France
Data Scientist au sein du département R&D, sur des problématiques de maintenance prédictive d'équipements industriels.

→ Analyse exploratoire et prototypage de détection d'anomalies sur séries temporelles multi-capteurs

→ Audit qualité des données IoT — identification de problèmes critiques dans la chaîne d'acquisition, recommandations d'amélioration de la collecte

→ Conception d'architecture InfluxDB optimisée pour les traitements analytiques temps-réel
Python Séries temporelles InfluxDB Machine learning Data analysis
LIRIS,
Ingénieur de Recherche en IA
CENTRES DE RECHERCHE
février 2022 - août 2022 (6 mois)
Lyon, France
Recherche appliquée sur la détection de fraude crypto au sein du laboratoire LIRIS (CNRS).

→ Développement de Graph Neural Networks pour désobfuscation de transactions Bitcoin (patterns CoinJoin) — 56% AUCPR sur 215M de transactions

→ Pipeline ETL PySpark pour traitement de données blockchain à grande échelle
Python Deep Learning PySpark Pytorch ETL