Description

Senior Data Scientist avec plus de 20 ans d’expérience, j’aide les entreprises à transformer leurs données complexes en modèles fiables, performants et exploitables par les métiers.

Mon cœur d’expertise : machine learning tabulaire, scoring risque/fraude, optimisation de modèles, détection de leakage, feature engineering, audit de pipelines ML, interprétabilité et industrialisation légère en Python.

Je suis également Kaggle Grandmaster, classé parmi les meilleurs compétiteurs mondiaux en machine learning. Cette expérience m’a appris à tirer le maximum de datasets difficiles, à challenger les métriques, à détecter les failles méthodologiques et à construire rapidement des solutions robustes.

J’interviens particulièrement bien sur :

audit ou amélioration d’un modèle existant ;

benchmark de solutions ML / AutoML ;

scoring fraude, risque, appétence, churn ou détection d’anomalies ;

optimisation de performance modèle ;

explicabilité et validation méthodologique ;

cadrage technique IA / data science ;

accompagnement d’équipes data sur des sujets complexes.

J’ai travaillé dans des environnements exigeants : télécom, banque, assurance, fraude, marketing, plateformes AutoML et projets data industriels. Mon objectif est simple : livrer vite un résultat utile, mesurable et compréhensible, sans surcomplexifier inutilement.

Missions privilégiées : audit court, optimisation de modèle, cadrage IA, prototype ML, scoring métier, challenge Kaggle-like, accompagnement expert.

Format préféré : full remote, mission courte ou moyenne durée, forte valeur ajoutée.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle limitée

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

AdvanThink (ISoft)
Senior Data Scientist
EDITION DE LOGICIELS
décembre 2022 - Aujourd'hui (3 ans et 8 mois)
Pays de la Loire, France
- Optimisation des modèles de lutte contre la fraude
- Veille IA
- Developpement de fonctionnaltiés IA dans l'outil
- Encadrement de data scientist junior
- Démo / Avant ventes
- Prestation IA pour nos clients / prospects
- Participation aux compétitions Kaggle
Scoring risque / fraude Modélisation des données
Orange
Sénior DataScientist
TÉLÉCOMMUNICATIONS
avril 2016 - juillet 2019 (3 ans et 3 mois)
84100 Orange, France
l'intégration de nouvelles méthodologies afin de gérer tout le pipeline de machine learning amont/aval quelle que soit la source de données ainsi que l'intégration de nouvelles briques verticales métier,
-Enrichir les API du produit pour le rendre modulable,
-Faire rayonner la notoriété du produit et des communautés utilisateurs (en concert avec les opérations marketing),
-Elargir la communauté d'utilisateurs, mettre en place les ressources éducatives. Orange France 15 ans 2 mois DataScientist avril 2016 - juillet 2019 (3 ans 4 mois) Arcueil
-Scoring de l'insatisfaction client (projet Customer Experience Management) => mise en place d'une application R Shiny présentant les top variables explicatives par client.
-Soutien aux projets scoring Orange Banque (scores de préattribution / scores de richesse), DMP (scoring online de cookies), détection de la fraude.
-Beta Testeur de la solution de modélisation automatique Predicsis / Khiops avec notamment la modélisation multi-tables (schéma en étoile). Solution disponible en stand alone, Cloud (Solution As a Service), prochainement compatible Hadoop/Spark.
-Developpement d'une API automatisant les process de modélisation avec différents logiciels(Kxen, Khiops, Statmining, R Xgboost et H2o, Python Scikit learn, Vowpal Wabbit) et algorithmes (une trentaine d'algorithmes parmi lesquels : GBM, RF, DP, GLM, NB, SVM, KNN, ET) => ajout à l'étude de Keras, Regularized Greedy Forest
-Developpement d'une cinquantaine d'opérateurs Amadéa parmi lesquels : N stratified folds, Preprocessing Symbolic : One Hot Encoding, symbolic to factors, symbolic to count, symbolic to target rate, Preprocessing Numeric : Box Cox transformations, log, t-SNE, numeric to percentiles, Feature Selection (near 0 variance,duplicate columns, high missing rate, xgboost features importance), Replace NA by score, Features engineering : N-way interactions, counts, metadatas, clustering, dimension reduction, Blending / Stacking Recherche de niches
Amadea Python Encadrement technique
Orange SA - Orange Digital Ventures
DataScientist
HIGH TECH
janvier 2014 - avril 2016 (2 ans et 3 mois)
Montrouge, France
- Dans le cadre du projet Digital BI, implication sur 2 POCS : (Erwan Le Nagard), caractérisation de la communauté Orange sur les réseaux sociaux (Facebook et Twitter), (Nicolas Gilot) campagnes sur clients optinés à partir de leurs données Facebook, programme de rapprochement des clients Facebook et Orange. Projet 2015 : mise en place d'un partenariat avec Facebook ?
-Exploration des nouveaux outils compatibles Hadoop permettant d'accéder au Hub France (2014 : Actian, projet 2015 : Talend, Ab Initio, Dataïku) afin d'identifier les outils nous permettant de travailler à la fois dans Hadoop et dans Teradata Dans le cadre des Explorateurs, test des nouveaux gisements de données disponibles dans le Hub France (en 2014 : datas mobile, projet 2015 : CEM).
-Dans le cadre du projet UTE, test de l'apport des données d'usages TV : conception du plan de test d'apport de ces données dans les scores d'appétence, 180 scores de généralisation à l'ensemble des foyers I et/ou M, mise en place de l'interface avec la Smart Data Factory, mise en évidence de la pertinence des scores d'appétence vs scores/marquages d'attraits thématiques, déploiement dès novembre 2014 des scores d'appétence incluant les données issues des logs TV. Début 2015 enrichissement complémentaire avec les données d'usages vod, svod et tvod. Les objectifs visés par ce projet :
-Réalisation de plus de 500 autres scores afin d'améliorer la connaissance client en généralisant l'information connue (ou utilisable car optinée) à l'ensemble des foyers I et/ou M, disponibles sur demande
Encadrement technique Data science Machine Learning Algorithms