AI & Data Governance Manager

Intervention auprès de la Commission Européenne en tant que responsable externe de la gouvernance des données et de l'intelligence artificielle afin de coordonner les initiatives institutionnelles sur la qualité des données et la conformité à l'AI Act.

• Conception et opérationnalisation du cadre de maturité FAIR de la Commission Européenne couvrant les niveaux 1 à 5.
• Pilotage du cadre de gouvernance des données pour l'IA, incluant la gestion du cycle de vie et l'évaluation des risques liés à la GenAI et au RAG.
• Intégration de la gouvernance des données et de l'IA dans la gouvernance des projets informatiques.
• Définition des exigences fonctionnelles pour les tableaux de bord Power BI dédiés au suivi exécutif.
• Conception et dispensation de contenus de formation multi-modules sur la gouvernance et l'utilisation de la boîte à outils d'innovation.

Collaboration directe avec le Directeur des Services d'Information de la SGP pour piloter la conception d'une plateforme de supervision des données pour le Grand Paris Express.

• Direction du cadrage et de la conception de la plateforme de supervision pour les lignes de métro 15, 16, 17 et 18.
• Animation d'ateliers multipartites pour définir les besoins de données et les priorités fonctionnelles.
• Conduite de l'analyse de l'architecture des données et des infrastructures en lien avec les besoins d'évolutivité.
• Définition de la cartographie des parties prenantes, sources de données, risques et jalons clés du projet.
• Préparation de la phase de passation des marchés publics et le dialogue compétitif.
• Rédaction de l'ensemble du Dossier de Consultation des Entreprises incluant les spécifications techniques.

Responsabilité d'un département data d'une quinzaine d'experts pour développer des plateformes d'intelligence de données basées sur l'IA et le Big Data.

• Management d'une équipe d'une quinzaine d'experts data sur diverses technologies.
• Pilotage du développement et du déploiement de plus de dix plateformes d'intelligence de données.
• Coordination de la planification SAFe, la gestion du backlog et les réunions quotidiennes.
• Gestion du budget des différents projets du département.
• Mise en place d'un produit de référentiel de données développé en interne.
• Assurance du support technique et méthodologique auprès des équipes.

Pilotage de projets data transverses pour le groupe Crédit Mutuel en assurant le lien entre les équipes métiers et techniques.

• Gestion de projets data transverses de bout en bout, de la contractualisation à l'organisation.
• Pilotage de la migration d'un serveur privé vers le Cloud pour la Confédération Nationale du Crédit Mutuel.
• Validation des maîtres de données conformément aux normes établies avant la mise en production.
• Implémentation de plusieurs cas d'usage d'analyse dynamique pour les départements finance et ressources humaines.

Gestion de manière autonome de plusieurs projets data par an au sein des Hôpitaux Universitaires de Strasbourg en appliquant la méthodologie Scrum.

• Conduite de manière autonome de 3 à 5 projets data par an.
• Mise en place de la méthodologie Agile Scrum et administration de la plateforme interne de valorisation des données.
• Assurance de la planification, du reporting et de la gestion du backlog.
• Déploiement d'interfaces de données et de tableaux de bord pour les utilisateurs.
• Mise en place d'un référentiel de données pour le département de l'information médicale.

Exercice en tant que Data Scientist pour extraire de la valeur de grands volumes de données de santé et développer des modèles prédictifs.

• Réalisation de l'exploration, du prétraitement et de l'analyse de données structurées et semi-structurées.
• Développement d'analyses statistiques et de modèles prédictifs appliqués au secteur de la santé.
• Conduite de projets de Machine Learning de la conception à la production, incluant des modèles de régression et de classification.
• Production de tableaux de bord et développement d'une application web avec Shiny.
• Présentation des résultats lors de journées scientifiques et séminaires.

Réalisation de modélisations statistiques sur la mortalité au sein de l'INSERM sur un échantillon démographique de grande ampleur.

• Modélisation de la mortalité par cause en prenant en compte les causes multiples de décès.
• Utilisation de modèles de risques concurrents, le modèle de Cox et les risques spécifiques.
• Développement d'une nouvelle méthode sous forme de package en R et comparaison des résultats avec les modèles classiques.
• Rédaction d'un article scientifique publié dans une revue spécialisée.