Data Scientist

A intégré une équipe travaillant sur la vérification automatisée de rapports techniques provenant d'usines nucléaires.

• A mis en place des modèles de computer vision (OCR, Doct-r) et techniques NLP pour établir un contrôle qualité des données d'entrée.
• A appliqué des expressions régulières (Regex) pour valider et nettoyer les informations extraites des rapports.
• A conçu et déployé une application web Streamlit permettant aux équipes métier un contrôle automatisé des rapports selon des critères définis.

A piloté un projet complet d'évaluation technique et commerciale de solutions IA et de scanning pour véhicules.

• A établi un référentiel exhaustif de fournisseurs proposant des solutions de scanner et/ou d'IA.
• A réalisé le chiffrage des solutions proposées et défini les critères qualités d'évaluation.
• A mené une étude technique approfondie d'une solution sur mesure incluant la stack technique (configuration serveur, stockage, modèle d'IA) et le hardware (caméras, éclairages, arche scanner).
• A développé un POC à partir de modèles de deep learning et computer vision appliqués à des images open data de véhicules endommagés.
• A assuré le suivi et la gestion intégrale du projet de ses débuts à sa conclusion.

A contribué à la modernisation des processus de maintenance pour la flotte des avions militaires et civils RAFALE.

• A conçu et entraîné des modèles de machine learning basés sur le traitement naturel du langage (NLP) pour caractériser les maintenances à partir des rapports des techniciens.
• A réalisé des analyses statistiques et probabilistes pour identifier les équipements et avions problématiques.
• A développé et appliqué des modèles d'IA générative pour la génération automatisée de documentation maintenance RAFALE (versions France et Export, français-anglais).
• A implémenté un système RAG (Retrieval-Augmented Generation) destiné à détecter les erreurs potentielles dans la documentation technique de maintenance complète.
• A constitué une base de données vectorielles Chroma DB pour supporter le RAG en fonction des configurations avion et client.

A assuré la modélisation et la mise en production de solutions d'intelligence prédictive pour la gestion d'une flotte de bornes de recharge électrique.

• A implémenté et déployé une API Python sur serveur Linux permettant d'interroger les modèles de machine learning en production.
• A développé un modèle dynamique prédisant le temps de recharge des véhicules électriques par session et par typologie de véhicule.
• A travaillé sur la maintenance prédictive du parc de bornes de recharge électriques.
• A orchestré des pipelines data complets via Airflow pour l'automatisation des traitements.
• A conteneurisé les frameworks et instances via Docker pour assurer la scalabilité et la reproductibilité (MLOps).

A épaulé l'équipe data dans le suivi et l'analyse de crises sanitaires majeures (COVID-19, Variole du singe).

• A réalisé le data management et les analyses statistiques pour le suivi de l'épidémie.
• A implémenté des indicateurs de suivi épidémiologique et déployé des pipelines Airflow pour l'automatisation des traitements en R et Python.
• A développé des applications Streamlit pour la restitution d'informations au public.
• A appliqué des techniques de text mining sur des rapports médicaux pour en extraire les informations clés.
• A réalisé une analyse d'images satellites pour l'étude temporelle de l'évolution de zones protégées.

A travaillé sur des modèles de prédiction de défaillance et des analyses de risque pour le secteur financier.

• A conçu et implémenté un modèle Random Forest prédisant le défaut légal à 1 an pour l'ensemble des entreprises françaises (base de 12 millions d'entités).
• A développé l'implémentation Python intégrant les modèles de décision, les règles métiers et les algorithmes de machine learning.
• A réalisé une mission de data analyse et conseil auprès du Ministère des Finances pour l'attribution d'un label ISO « bon payeurs » dans le cadre d'un POC pour le Crédit Agricole.
• A piloté les analyses ayant servi de base aux décisions d'attribution du label par le comité.
• A exécuté du web scraping et réalisé la fusion de données externes avec la base de données interne.
• A conduit des analyses statistiques approfondies sur la fraude et la défaillance des entreprises françaises.
• A participé à la R&D de nouveaux produits pour usages internes et comme services innovants à proposer aux clients en portefeuille.
• A mis en œuvre des calculs massifs distribués utilisant Spark et le multiprocessing sur des clusters.

A développé une solution prédictive pour l'optimisation du positionnement des électrodes en cardiologie.

• A conçu un modèle prédictif détectant l'inversion des électrodes placées sur différentes parties du corps humain.
• A traité le signal des ECG des patients et appliqué des techniques de réduction de dimension (ondelette, transformée de Fourier).
• A mis en œuvre un stacking ensembliste combinant plusieurs modèles de machine learning (Random Forest, XGBoost).
• A obtenu un score prédictif de 94% sur le meilleur modèle validé.

A participé à l'optimisation de la prédiction de performance des installations éoliennes européennes.

• A développé des modèles de machine learning et statistiques pour la modélisation de la production et de la performance énergétique du parc éolien européen.
• A réalisé du web scraping pour fouiller et intégrer en interne de nouvelles données open data externes.
• A mené des recherches scientifiques sur les facteurs influençant la production énergétique et la géométrie des parcs éoliens.

A assuré la tarification et la gestion du portefeuille prévoyance-santé collective.

• A réalisé la tarification du risque prévoyance et/ou santé collective sur base de cahiers des charges.
• A conduit l'analyse du risque du portefeuille et effectué les projections et suivi de son évolution.
• A mis en conformité l'ensemble des contrats aux nouvelles conventions collectives.

A participé à l'étude actuarielle de contrats d'assurance vie multi-supports.

• A réalisé la simulation d'annuités viagères sur base de capitaux constitués.
• A estimé les bénéfices et la fiscalité applicables aux contrats multi-supports.
• A simulé les stratégies de placement et d'arbitrage entre le fonds euro et les unités de compte.

A contribué aux analyses actuarielles et au suivi du portefeuille prévoyance-santé.

• A calculé la balance technique des contrats nationaux et internationaux du portefeuille.
• A formulé des recommandations pour la campagne annuelle de renouvellement des contrats.
• A réalisé des analyses statistiques approfondies sur la consommation et les dérives de la partie courtage et contrat en direct.
• A calculé les annuités viagères et les provisions mathématiques relatives aux branches prévoyance et santé.