Description

Avec plus de 6 ans d’expérience dans la data, je combine une double expertise en Data Engineering et Data Science, allant de la conception de pipelines robustes à la modélisation prédictive. J’interviens sur l’ensemble de la chaîne de valeur, de l’ingestion à l’exploitation des données, en assurant l’industrialisation des solutions dans des environnements complexes. Mon approche orientée produit et ma capacité à coordonner les équipes techniques et métiers me permettent de mener à bien des projets data à fort impact.

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

SNCF,
AI Engineer
mars 2021 - août 2022 (1 an et 5 mois)
Paris, France
Participation à des projets stratégiques autour de la valorisation des données utilisateurs et de l’industrialisation de flux analytiques à grande échelle.

Développement d’un OCR intelligent : Conception d’un pipeline automatisé d’extraction de données depuis des PDF volumineux. Sélection de Google Vision API après benchmark, intégration de pré/post-traitements OpenCV, et génération automatique de fichiers Excel structurés avec contrôles qualité. L’outil a été industrialisé et réutilisé dans plusieurs cas.

Analyse comportementale & ML : Construction d’un pipeline ETL sur Redshift pour agréger, nettoyer et enrichir les données d’usage applicatif. Calcul de KPIs comportementaux (fréquence, erreurs, satisfaction), modélisation avec K-Means, évaluation via Silhouette/Davies-Bouldin. Les résultats ont été intégrés dans Power BI pour une analyse interactive et hebdomadaire.

Projet STT avec Notion API : Développement d’un agent vocal basé sur Whisper et LangChain/LangGraph. Architecture LLM modulaire avec système RAG pour enrichissement contextuel et synchronisation automatique dans Notion. Outil utilisé pour capturer les retours utilisateurs.

Data Lake AWS : Mise en place d’un Data Lake multi-couches (Landing, Bronze, Silver) avec Glue, Step Functions, Redshift. Connexions sécurisées à des APIs tierces, gestion qualité avec logs CloudWatch et alertes SNS, tests unitaires sur les étapes critiques pour garantir robustesse et scalabilité.

OPTI RUN & USERS ANALYTICS : Création de DataMarts Gold en étoile, intégration de règles de gestion métiers. Industrialisation via Glue/Step Functions, supervision via CloudWatch/SNS. Automatisation complète des traitements, monitoring qualité et support des dashboards Power BI.

Environnement : AWS (Glue, S3, Redshift, Lambda, Step Functions, CloudWatch, SNS), Python, SQL, Power BI, Scikit-learn, OpenCV, LangChain, Whisper, Notion API.
Python SQL Data science intelligence artificielle Data Engineer
Mangabey
Lead Data Engineer
SECTEUR MÉDICAL
septembre 2022 - décembre 2023 (1 an et 3 mois)
Paris, France
Conception et orchestration de solutions IA pour la valori sation de données pharmaceutiques à grande échelle:
• Management d'une équipe d'ingénieurs data et coor dination technique.
• Déploiement de pipelines ETL robustes pour l'unification et le traitement des données multi sources et multi-pays.
• Développement d'algorithmes ML/DL pour la complé tion et la fiabilisation des données.
• Intégration de modèles LLM pour la standardisation automatique des données hétérogènes.
• Interface client et pilotage Agile pour garantir la qualité et l'impact des livrables.
ADP - LISSI Lab.,
AI Researcher & Engineer
mars 2021 - août 2022 (1 an et 5 mois)
Paris, France
Participation à plusieurs projets de recherche et d'ingénierie avancée en IA, menés en partenariat avec des institutions telles qu’Aéroports de Paris (ADP), autour de la reconnaissance d’activités humaines, de l’IA contextuelle, du traitement d’images et de l’aide au diagnostic médical.

🔹 Reconnaissance d’activités humaines (ADP)

Mise en place d’un protocole expérimental avec APIs REST pour collecter des données multi-capteurs.

Développement d’un pipeline ETL pour le traitement, la synchronisation et l’enrichissement des flux.

Constitution de datasets labellisés, entraînement de modèles Deep Learning pour classifier les activités humaines.

🔹 IA contextuelle hybride (Deep Learning + Raisonnement logique)

Modélisation d’ontologies sémantiques (activité, localisation, temporalité) et intégration de moteurs d’inférence logique.

Conception d’un système intelligent combinant Deep Learning et logique pour détecter des situations contextuelles complexes.

🔹 Computer Vision pour la robotique autonome

Constitution d’un dataset d’objets (caméra RGB), labellisation et entraînement de CNN pour la détection et la classification.

Déploiement d’une API REST conteneurisée sous Docker pour une intégration en robotique temps réel.

🔹 NLP & Voicebot intelligent (GPT-2 + Ontologie)

Conception d’une chaîne STT (Speech-to-Text) avec compréhension contextuelle.

Structuration d’intentions dans une base ontologique et intégration d’un modèle GPT-2 enrichi pour les dialogues complexes.

🔹 Outil d’aide au diagnostic de la maladie de Parkinson (Projet médical avec LAMA)

Extraction et traitement de signaux biomécaniques (vGRF) issus de capteurs sous les pieds.

Analyse statistique, clustering, détection d’outliers, visualisation dans Power BI.

Développement d’un algorithme non-supervisé basé sur des modèles de régression polynomiale mixtes (PRM).
Résultat : 91 % de précision, outil intégré en laboratoire, validé par publication scientifique.