Raphael Krief

Dans le cadre d’un projet stratégique au sein de la partie Credit Model, l’équipe devait développer un algorithme explicable (de type régression logistique ou- EBM) afin de garantir transparence et conformité.

J’ai contribué à cette mission en participant au nettoyage des données ainsi qu’à la mise en place d’un pipeline ETL robuste pour nourrir ce modèle.

Ce modèle a été déployé avec succès dans plusieurs pays du groupe, et les résultats obtenus ont été très positifs, confirmant la valeur de l’approche mise en place.

Au sein de Bloom, société spécialisée dans l’analyse des réseaux sociaux à des fins de sécurité, défense et marketing, j’ai travaillé sur la mise en place d’un ETL entre des données scrappées de différentes plateformes (Facebook, Twitter, etc.), leur traitement en Python/Kafka, puis leur chargement dans une base de données orientée graphes pour permettre une exploitation ultérieure par l’équipe de Data Scientists.

Cette V2 de la plateforme a démontré son efficacité et sa robustesse, mais a finalement été remplacée par un ETL basé sur Spark, plus performant et mieux adapté aux besoins opérationnels de l’outil.

Au sein de Southpigalle (désormais intégrée au groupe Meytis), j’ai travaillé sur la conception et le déploiement d’architectures dédiées au TALN.

Cette start-up était spécialisée dans l’exploitation du NLP afin de permettre aux entreprises d’accéder et de valoriser la donnée client.

J’ai participé à la mise en place d’un modèle NLP performant, qui a été utilisé avec succès dans plusieurs projets concrets pour des clients prestigieux des secteurs du luxe et de l’agroalimentaire.