Full-Stack Data
& AI Engineer

Lead Data Engineer

Cabinet de conseil en compétitivité énergétique pour l’industrie. Mission en deux temps : auditer le patrimoine de données du groupe, puis construire la plateforme.

• Audit et cadrage — 14 outils cartographiés, quatre problèmes structurels et cinq angles morts identifiés, architecture cible et roadmap priorisée
• Socle de données industrielles — ~15 900 établissements en France, 9 000 en Espagne et 10 000 en Italie, construits depuis les registres publics (entreprises, installations classées, quotas CO₂, émissions, bilans carbone) et rapprochés en cascade : identifiant d’établissement, puis similarité de nom couplée à la proximité géographique
• Score d’éligibilité encodant l’expertise métier, y compris l’éligibilité transverse aux rubriques réglementaires — celle qui n’existait jusque-là que dans la tête des consultants
• Ouverture Espagne et Italie en logique inversée — faute de registre d’entreprises ouvert, on part des datasets européens pour remonter aux sites
• 9 applications métier pour une cinquantaine d’utilisateurs, réparties en trois domaines

Data Engineer

Mon Espace Collectivité, la plateforme nationale de suivi des projets d’investissement des collectivités.

• Reprise de données vers MEC — 4 pipelines ETL, ~105 000 projets normalisés et importés depuis Grist, rejets tracés par motif et rapport d’import cartographié par département
• Schéma commun & déduplication — 5 plateformes de l’État consolidées, ~94 000 projets, doublons détectés en cascade : correspondance exacte, Jaro-Winkler ≥ 0,90, similarité sémantique ≥ 0,90. Schéma publié en Licence Ouverte
• Classification et matching par LLM — 141 800 projets et 361 000 aides classés sur une taxonomie à trois axes, moteur de recommandation projet ↔ aide

Analytics Engineer

Au sein du pôle Data, accompagnement des équipes produit sur toute la chaîne d’acquisition digitale — du clic publicitaire au rendez-vous commercial réalisé.

• Modélisation du patrimoine digital dans BigQuery via Dataform : web analytics, régie publicitaire, back-office leads, téléphonie et CRM des filiales
• Hub de restitution en libre-service — des rapports qui interrogent BigQuery directement depuis le navigateur en OAuth2, sans backend, la sécurité déléguée aux IAM GCP. Un rapport = un fichier versionné
• Prévision du budget d’acquisition à raisonnement inversé — on part de l’objectif de rendez-vous d’une filiale et on remonte à la dépense média nécessaire, sur 22 filiales et 7 produits
• Industrialisation — CI/CD GitHub Actions, quality gate SonarQube bloquante, Workload Identity Federation

Lead Data Scientist

Assureur spécialiste de l’extension de garantie automobile. Mise en place de la fonction data science, dans un contexte sans existant.

• Data Science Factory — l’infrastructure et l’architecture qui rendent possibles les travaux de prédiction et leur industrialisation. Le livrable principal de la mission
• Modélisation sur plusieurs sujets de sinistralité automobile
• Automatisation des scripts de transformation de données et de calcul de risques

Lead Data Scientist

Plateforme de cartographie et de gouvernance collaborative des données. Modélisation mathématique embarquée directement dans le produit.

• Détection automatique des données à caractère personnel parmi les objets catalogués — un sujet RGPD exposé aux utilisateurs finaux
• Génération automatique du glossaire métier à partir des objets réellement présents en base
• Suggestion d’étiquettes, détection de doublons et scoring de qualité de texte
• Plateforme d’industrialisation des modèles, centralisée sous Docker et MongoDB

Ces modèles ont été livrés en production dans le produit.

Lead Data Scientist

Place de marché entre entreprises et travailleurs indépendants — 150 000 freelances et 36 000 entreprises clientes à l’époque.

• Moteur de recommandation freelance ↔ mission — l’algorithme derrière Malt Plus, l’offre d’association entre freelances et opportunités. Word2Vec, deep learning et filtrage collaboratif
• Algorithmes de ranking du moteur de recherche (XGBoost), livrés en production sous forme de plugin Python embarqué dans Elasticsearch
• Dashboarding de performance des algorithmes et analyses produit

Consultant Data

Cabinet de conseil spécialiste de la donnée. Ma première expérience — celle où j’ai parcouru toute la chaîne de valorisation de la donnée, de l’audit au déploiement.

• Michelin — détection de défauts sur les pneumatiques, puis prédiction des retours de pneumatiques dans l’aéronautique
• LDLC — création d’une plateforme Hadoop
• Prixtel — prédiction de consommation client et détection de churn
• Musée des Confluences — audit du système d’information
• Animation de formations et d’audits chez les clients