Ingénieur Data & IA Senior

Intervention chez OmniLynk en tant que Business Analyst et Product Manager Data & IA afin de concevoir et piloter des solutions Data, BI et IA de l'expression du besoin jusqu'à l'industrialisation et au RUN.

• Conception de pipelines Data & IA multi-sources combinant ingestion, extraction, nettoyage, transformation, normalisation, métadonnées, contrôles et indexation.
• Automatisation et orchestration de traitements Data & IA avec Python, SQL, n8n et API REST.
• Mise en place de contrôles, de validations humaines, de notifications et d'un suivi d'exécution.
• Intégration d'API OpenAI et Mistral AI pour analyser des contenus non structurés, extraire et classifier l'information, normaliser les données et détecter incohérences, doublons et données manquantes.
• Conception d'OmniTerritoire, un assistant IA permettant d'interroger en langage naturel des données territoriales, documents et contenus Open Data.
• Établissement de critères de qualité Data & IA incluant complétude, cohérence, traçabilité, fidélité aux sources, jeux de tests et boucles de feedback.
• Réalisation du cadrage technique, de la rédaction des besoins et spécifications, ainsi que de la coordination entre les métiers, la Data, le développement, l'IA et l'architecture.
• Recette, déploiement et accompagnement RUN des solutions.
• Réduction d'un délai de traitement de quatre semaines à un fonctionnement quasi temps réel.

Mission menée via OmniLynk auprès de gestionnaires de réseaux de distribution pour piloter la stratégie Open Data, DataViz et Data Quality.

• Pilotage du cycle de vie de datasets Open Data incluant la préparation, la transformation, la publication, la mise à jour, la valorisation DataViz et la gouvernance.
• Automatisation et fiabilisation de traitements Data avec Python, R et SQL.
• Assurance du versionnement des processus via Git et Bitbucket ainsi que de la standardisation des workflows.
• Mise en place d'indicateurs de qualité portant sur la complétude, la cohérence, la fraîcheur, la disponibilité et la traçabilité des données.
• Documentation des règles de gestion et coordination des équipes métiers, Data, IT et DSI pour fiabiliser les datasets, les métadonnées et les usages de restitution.
• Simplification et automatisation des mises à jour de datasets et métadonnées tout en améliorant la reproductibilité et la fiabilité.

Intégration de la fabrique numérique d'Enedis pour concevoir et piloter des services Data exposés à des utilisateurs externes.

• Traduction des besoins métiers en modèles de données, règles de gestion, API REST, services Data, user stories et critères d'acceptation.
• Utilisation d'environnements Python, R et Teradata pour accompagner les traitements, transformations, contrôles et usages Data.
• Coordination des équipes de réalisation pour garantir la bonne exécution des projets.
• Gestion de la qualité, de la traçabilité, des référentiels multi-sources et de la cohérence inter-systèmes sur l'ensemble du cycle de vie des données.
• Pilotage du cycle de vie complet des services, de la conception et de la priorisation jusqu'à la delivery, la mise en production, la maintenance, le suivi des usages et le RUN.
• Définition des contrôles de conformité, de sécurité et de protection des données exposées.
• Mise en production de plus de 9 services Data dans le respect des délais, sans fuite de données personnelles hors de l'entreprise.

Travaux sur des problématiques de Machine Learning industriel pour fiabiliser les processus de fabrication.

• Préparation, nettoyage et structuration de données issues de capteurs industriels avec Python et R pour constituer des datasets exploitables.
• Développement de modèles de Machine Learning pour prédire la conformité de pièces mécaniques critiques.
• Comparaison et optimisation de plusieurs modèles prédictifs et analyse de leurs performances pour fiabiliser le contrôle qualité.

Conception et développement d'outils logiciels internes pour optimiser les processus d'ingénierie mécanique.

• Conception et développement d'un outil interne dédié au calcul de chaînes de tolérance mécaniques.
• Automatisation de la génération des fichiers d'entrée pour Tolerance Manager.
• Réduction des erreurs de saisie et génération d'un gain de productivité d'environ 30 % pour les utilisateurs.

Participation à des travaux de recherche en vision par ordinateur au sein du laboratoire de mathématiques de l'université.

• Développement et évaluation d'algorithmes de reconnaissance faciale appliqués à des séquences vidéo.
• Préparation des données, comparaison de différentes méthodes et analyse des performances obtenues en Python.