Description

Je conçois et j'industrialise des systèmes d'IA pour des entreprises qui veulent dépasser le stade de la démo.

Mon parcours : huit ans de data science en milieu industriel. Chez Stellantis, j'ai travaillé sur la maintenance prédictive, avec de la prédiction de pannes à partir de plus d'un pétaoctet et demi de données de véhicules connectés. Chez Safran, comme référent IA générative, j'ai mis en place des systèmes RAG et des agents capables d'interroger des bases internes en environnement AWS sécurisé. Je prépare aujourd'hui un doctorat sur la détection de défauts dans les câbles d'énergie par traitement du signal.

Ma façon de travailler tient à peu près à ceci : je préfère un modèle un peu moins spectaculaire mais dont on connaît les limites à une belle démo qui s'écroule au premier cas réel. Baseline honnête, validation sans fuite de données, incertitude quantifiée, et du code qui tourne encore après mon départ.

Je peux vous aider sur trois terrains :

• GenAI d'entreprise : RAG sur données privées, agents, fine-tuning de LLM, déploiement propre

• Détection d'anomalies et maintenance prédictive sur signaux et séries temporelles

• MLOps : packaging, CI/CD, monitoring de dérive

Missions courtes (audit, POC) comme longues (mise en production). À distance, en français ou en anglais. Si le besoin est encore flou, on le cadre ensemble avant d'écrire la moindre ligne de code.

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

SPRK TECH (CIFRE) — GEEPS CentraleSupélec
Doctorant IA & traitement du signal
HIGH TECH
mars 2026 - Aujourd'hui (5 mois)
Gif-sur-Yvette, France
• ● Pipeline de détection de défauts non francs (chafing) par autoencoder débruiteur + conformal prediction : 85 % de rappel avec False Alarm Rate (FAR) ≤ 1 % garanti, surpassant un filtre adapté de référence
• ● Robustesse à la dérive via Adaptive Conformal Inference (ACI)
• ● Détection de ruptures en ligne (BOCPD) avec a priori physique
• ● Adaptation de domaine multicâbles
• ● Traitement du signal de réflectométrie MCTDR (Multi Carrier Time Domain Reflectometry) : FFT (Fast Fourrier Transform) / STFT, ondelettes (CWT)
• ● Validation sur données synthétiques puis industrielles réelles
Machine Learning & Deep Learning Traitement de données Traitement du signal Data Scientist PyTorch time-series-analysis-and-forecasting
SAFRAN
Data Scientist
AÉRONAUTIQUE & AÉROSPATIALE
novembre 2022 - février 2026 (3 ans et 3 mois)
Magny-les-Hameaux, France
• ● Agent intelligent (MCP) couplé au RAG, interrogeant des bases hétérogènes et le web pour des réponses contextualisées
• ● Fine-Tuning sur données interne + question-réponse sur données privées via LLM (LLaMA 2, Mistral 7B, GPT-4o, Claude) en environnement AWS sécurisé
• ● API d'active learning (NER + classification)
• ● Génération automatique de procédures d'assemblage avion (Visual Transformer + NER + LLM)
Machine Learning & Deep Learning Natural Language Processing (NLP) IA générative Time Series Microsoft Power BI
Stellantis
Data Scientist
AUTOMOBILE
septembre 2018 - septembre 2022 (4 ans)
Carrières-sous-Poissy, France
• ● Modèles de prédiction de pannes (batteries 12V et traction) en contexte Big Data : > 1,5 Po de données de véhicules connectés
• ● Détection de signaux faibles et estimation du temps avant défaillance (LSTM, CNN, Transformers, GMM)
• ● Pipeline automatisé Data Lake ↔ SI
• ● Algorithmes Machine Learning ou ML (XGBoost, SVM, régression logistique, KNN, MLP) et reconstruction de variables explicatives à partir de données télématiques
Machine Learning & Deep Learning Python, Machine learning, Data science, SQL, Data visualisation time-series-analysis-and-forecasting Big Data Microsoft Power BI