À propos de Christophe
Vos projets data science échouent? Idées IA intéressantes mais des données fragmentées et POC qui ne scalent pas?
Je suis Data Scientist & ML engineer avec 10 ans d'expérience sur l'ensemble de la chaine de valeur de la data. J'ai accompagné des clients dans plusieurs secteurs : finance, retail, logistique, ...
Ce que je fais pour vous :
🔹 Data pipelines production-ready (Python, GCP, DBT) — fondation data science pour vos modèles ML & GenAI
🔹 Entity resolution, master data management et data quality — jusqu'à 90% de réduction des doublons
🔹 Modèles ML en production (MLOps) : scoring, predictive analytics et optimisation opérationnelle
🔹 Agent AI et LLM qui transforment vos données en actions métier (RAG, data retrieval)
🔹 Documentation et transfert de l'expertise data à vos équipes
Mon approche :
En data science, je construis d'abord une baseline mesurable, puis j'itère. Infrastructure propre pour faciliter la maintenance et les évolutions. C'est comme ça qu'on passe des résultats initiaux aux améliorations continues.
Mes derniers résultats :
✅ Data quality : -90% de doublons via data science & entity resolution (EurosForDocs)
✅ ML data engineering : +95% de taux de matching de restaurants entre UberEats et Deliveroo (Clone / UberEats)
✅ ML forecasting & optimization : -20% de gaspillage alimentaire grâce au ML vs stratégie manuelle (Foodles)
✅ Fraude : -20% de pertes financières sur la fraude B2B (200k€/an récupérés) via scoring ML (Ellisphere)
Ma stack data :
- Python : Django, flask, pandas, polars, python-igraph, networkx, scrapy.
- Machine Learning : scikit-learn, LightGBM, XGBoost, fastai, MLFlow.
- SQL : BigQuery, PostgreSQL, DuckDB, Snowflake.
- Orchestration : Airflow, DBT, Dagster.
- Google Cloud Platform : Composer, Cloud Run, Cloud SQL, Compute Engine, Docker.
- BI & Visualisation : Metabase, Looker.
📅 Audit data science gratuit. 30 min pour identifier vos 3 quick wins: data quality, ML, GenAI.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Accepte de travailler sur site
Bordeaux (jusqu’à 10 km), Paris (jusqu’à 10 km), Toulouse (jusqu’à 10 km)
Expériences
- CloneData Scientist - Agent IA pour restaurateursRESTAURATIONmars 2024 - novembre 2025 (1 an et 8 mois)Paris, France
- Multi Agent IA sur GCP via Telegram : < 10s latence, 95%+ taux succès
- Déduplication 1M restaurants avec 95%+ matching via fuzzy matching + graphe + ML
- Pipeline data d'extraction de KPI de Deliveroo
🔎ContexteClone accompagne 1000+ restaurateurs à piloter plusieurs menus sur les plateformes (UberEats, Deliveroo, ...) pour augmenter leur CA.L'objectif est de proposer un copilot genAI pour n'avoir qu'un seul point d'entrée vers les actions et données disponibles sur les plateformes.📊TâchesAgent co-pilote pour restaurateurs. Création d'un agent IA (Gemini, Google ADK) accessible via Telegram. L'architecture multi agent avec orchestrateur et deux sous-agents spécialisés :- agent d'action pour modifier l'état du restaurant (prix, menu, ...),- agent analytics interfacé avec un data warehouse (Looker + BigQuery) pour le pilotage de l'activité.Performances démontrées : latence inférieure à 10 secondes, taux de succès (appels outils + paramètres corrects) supérieur à 95%.Entity matching. J'ai créé une pipeline de data science (python, polars, igraph) pour relier 1M de comptes de restaurants présents sur les plateformes à des restaurants physiques (y compris dark kitchens) et proposer une analyse de concurrence (BigQuery, DBT) accessible à l'agent. +95% de matching sur des datasets spécifiques à des edge cases.Pipeline de pilotage des performances. Pipeline data (airflow + BigQuery + DBT) pour extraction quotidienne des métriques opérationnelles (ventes, promos, coûts) des restaurants partenaires depuis leur comptes sur les plateformes.🛠Stack data & GenAI-Data science : pandas, polars, scikit-learn, python-igraph-Data engineering : Airflow, DBT-ML engineering : MLflow-Backend : Django, Scrapy, Telegram, Docker-Databases : BigQuery, PostgreSQL, Google Sheets, Parquet-Cloud : Google Cloud Platform (GCP)-GenAI/LLM : Gemini, Google ADK - Association EurosForDocsLead data scientist | Expert en Qualité des Données & Optimisation des CoûtsASSOCIATIF ET SYNDICALaoût 2023 - Aujourd'hui (2 ans et 10 mois)Paris, France
- Réduction de 90% d'une base de données de professionnels de santé grâce à la fusion des doublons. → confiance dans la data instaurée pour les citoyens et journalistes.
- Mentorat d'une équipe de 6 juniors .
🔎 Contexte :
EurosForDocs est une association qui lutte contre les conflits d'intérêts dans la santé, en rendant exploitable une base de données publiques de rémunération de médecins par les laboratoires pharmaceutiques.Le projet consiste à améliorer la qualité des données, en particulier l'unification des nombreux doublons dans la base.📊 Tâches :
- Réattribution de numéros d'identifiants nationaux (RPPS) des professionnels de santé via fuzzy matching avec l'annuaire officiel.
- Identification des doublons des associations de médecins via NLP et machine learning.
- Création d'entité unique regroupant tous les comptes dupliqués (entity matching)
- Minimisation des coûts d'infrastructure par l'utilisation de python et DuckDB.
- Mise en place des bonnes pratiques de développement (GitLab CI/CD, peer review, nommages cohérents) au sein de l'équipe junior.
🛠 Stack technique :
- data science : pandas, python-igraph, scikit-learn, LightGBM, python
- data engineering : Dagster
- machine learning engineering : MLFlow
- SQL : DuckDB, parquet, Google Sheet
- data visualization : metabase
- FoodlesSenior Data ScientistRESTAURATIONavril 2021 - octobre 2024 (3 ans et 6 mois)Clichy, France
- Réduction de 20% du gaspillage alimentaire
- Accompagnement de la croissance, passant de 50 à 300+ clients.
🔎Contexte:Foodles est un acteur de la restauration d'entreprise et propose en particulier la livraison quotidienne de repas frais dans des frigos connectés pour permettre aux équipes de se nourrir sainement à toute heure de la journée.Le projet consiste à mettre en place un système d'optimisation opérationnelle permettant de répartir50 000 plats hebdomadaireschez300+ clientstout en minimisant la perte alimentaire et en maximisant la satisfaction des consommateurs, système critique intégré dans l'infrastructure backend de l'entreprise.📊Tâches:- Entrainement d'un système d'IA pour la prévision des ventes des clients.
- Développement d'une solution de répartition optimale des plats chez les clients en limitant la perte alimentaire et en assurant le choix aux consommateurs. Système critique nécessitant une solution dans un temps prédéfini pour les opérations quotidiennes.
- Accompagnement des équipes métier pour s'approprier les résultats des outils data.
- Segmentation des convives et des plats pour personnaliser les frigos selon les habitudes de consommation dans chaque entreprise, guidant l'optimisation opérationnelle dans ses choix de variété alimentaire
🛠 Stack technique :
- Python : Django, CVXPY
- Machine Learning : scikit-learn, LightGBM, PyTorch, MLFlow
- SQL : PostgreSQL, Snowflake
- DBT
- Docker
Avis
Recommandations
LM
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Doctor of Philosophy - PhDUniversité Paris-Saclay2017Doctor of Philosophy - PhD