Spécialiste senior en analytique et BI

Elle a intégré le pôle analytique d'une grande régie de transport urbain pour optimiser la gestion énergétique et la maintenance prédictive de sa flotte de bus électriques.

• A conçu et déployé un modèle hybride physique + machine learning (XGBoost) pour la prédiction de la consommation énergétique des bus, intégrant télémétrie (vitesse, accélération, pente, température, comportement chauffeur) et variables opérationnelles, réduisant l'erreur de prédiction de 59 % à 5,8 % par rapport à la baseline.
• A appliqué des techniques d'interprétabilité ML (valeurs SHAP) pour quantifier l'effet des variables clés et générer des recommandations opérationnelles concrètes aux équipes de conduite.
• A mis en œuvre une approche de transfer learning pour adapter le modèle d'une flotte historique aux nouveaux bus LF36, anticipant l'électrification complète.
• A développé une solution IA de détection des tendances de défaillance de composants en vue d'un processus opérationnel de maintenance prédictive.
• A conçu une architecture de modélisation évolutive couvrant la consommation instantanée, le vieillissement des batteries, la gestion des détours et la planification de recharge en temps réel.
• A automatisé les flux ETL et optimisé les requêtes SQL/DAX, réduisant le temps d'extraction de 25 %.
• A développé des tableaux de bord KPI interactifs sous Power BI intégrant des seuils d'alerte, utilisés dans la prise de décision opérationnelle quotidienne.
• A assuré la qualité et la cohérence des données de télémétrie alimentant les modèles ML (standardisation, validation, documentation).
• A collaboré avec les équipes métiers et informatiques pour faire respecter les règles de validation des données et garantir la précision des informations utilisées dans les rapports et la prise de décision.

Elle a fourni des services de conseil en IA et data science à diverses organisations de la région de Québec, dans l'optique de stimuler leur transformation numérique.

• A réalisé des missions d'analyse des besoins métier, de sélection d'architectures ML et d'évaluation éthique de solutions IA.
• A développé, validé statistiquement et mis en production un modèle de survie de Cox combiné à des techniques avancées de NLP (TF-IDF, fastText, CamemBERT) pour prédire la résiliation de polices d'assurance automobile en contexte longitudinal, enrichissant la vision 360° du client.
• A conçu un modèle d'analyse nutritionnelle par optimisation quadratique (Pyomo) pour prédire le profil nutritionnel complet (~4000 aliments) à partir des étiquettes et listes d'ingrédients, en appareillant les données au fichier canadien sur les éléments nutritifs (FCEN), avec une erreur relative réduite à 0,0000064 %.
• A défini et documenté les stratégies de déploiement pour chaque solution IA développée.

Elle a assuré l'exhaustivité et la fiabilité des données utilisées dans le cadre de recherche scientifique.

• A appliqué diverses méthodes de modélisation statistique (descriptives, prédictives et machine learning) tout en maintenant des jeux de données structurés et documentés.
• A émis des recommandations pour améliorer la documentation et l'usage des métadonnées afin de renforcer la reproductibilité des recherches.

Elle a mené une étude méthodologique approfondie sur l'estimation d'effets causaux dans les études observationnelles utilisant des bases de données de santé massives.

• A conçu et piloté une étude de simulation pour évaluer l'estimation d'effets causaux en présence de confondeurs non observés.
• A implémenté et comparé plusieurs approches avancées de sélection de variables et d'ajustement du biais de confusion combinant statistiques bayésiennes et apprentissage automatique.
• A généré des ensembles de données synthétiques et hybrides basés sur des données de santé réelles pour évaluer les performances des méthodes.
• A contribué à l'avancement des méthodes d'inférence causale appliquées aux données de santé en démontrant la capacité de certaines approches de machine learning à réduire le biais de confusion résiduel.
• A publié les résultats de cette étude comparative dans un article scientifique.

Elle a accompagné des chercheurs diplômés de domaines variés (affaires, administration, politique, linguistique, biologie) dans leurs démarches statistiques.

• A guidé les chercheurs dans la définition d'hypothèses statistiques rigoureuses.
• A conseillé sur la conception d'expériences et la collecte de données.
• A réalisé des analyses statistiques adaptées aux besoins spécifiques de chaque projet de recherche.