Data Analyst | BI

Intégration d'une équipe data au sein d'une PME spécialisée dans la BI et la plateforme e-commerce pour moderniser l'architecture data et mettre en place des modèles prédictifs en production.

• Conception et déploiement d'un datamart unifié sur Microsoft Fabric utilisant l'architecture Medallion, Azure Synapse Link et 6 Dataflows Gen2, couvrant 17M$ de ventes sur 5 régions.
• Développement d'un dashboard Power BI TraderFlow de 7 pages avec DirectLake pour le reporting temps réel.
• Implémentation de modèles ML prédictifs : Ridge (R² = 0,978) pour la prédiction du coût d'achat réel et XGBoost (F1 = 0,9143) pour la détection d'alertes de marge avant expédition.
• Scoring de 937 commandes en production avec les modèles développés.
• Construction d'un pipeline OCR multi-moteurs associant Document Intelligence et Qwen2.5-3B fine-tuné avec LoRA.
• Automatisation du traitement des factures, réduisant le temps de traitement de 8 minutes à 9 secondes (−98%).

Participation au développement d'une plateforme interne utilisée lors du World Power-to-X Summit, en charge des interfaces frontend et du chatbot assistant.

• Développement de l'interface mobile d'une plateforme interne utilisée lors du World Power-to-X Summit.
• Conception et implémentation d'un chatbot assistant IA pour l'assistance utilisateur en temps réel.

Intégration d'une startup spécialisée en sécurité de l'IA pour développer des frameworks et extensions de protection contre les injections de prompts.

• Développement de X-GuardRL, un framework de sécurité IA basé sur un agent PPO (Reinforcement Learning) protégeant les LLM contre les injections de prompts.
• Création de XNetGuard, une extension Chrome (Manifest V3) détectant 15+ patterns d'injection et anonymisant les données sensibles en temps réel.

Intégration d'une équipe data au sein d'une structure agro-alimentaire pour construire une solution data complète dédiée au suivi des performances laitières.

• Conception d'un entrepôt de données permettant la centralisation des données opérationnelles.
• Développement de tableaux de bord Power BI interactifs pour le suivi de performances laitières.
• Implémentation de modèles de Machine Learning (régression, Random Forest) sur les données métier.
• Déploiement d'une interface Streamlit exposant les capacités prédictives pour les utilisateurs finaux.