Feb 2022 – Present · 4 yrs 3 mos

• Leadership sur l'ensemble du cycle end-to-end (conception, développement, industrialisation) et orchestration des initiatives stratégiques entre tech, produit et métier.
• Innovation en IA Générative et architecture de systèmes agentiques : pilotage de l'intégration de la GenAI à l'échelle organisationnelle. Conception d'un pipeline d'analyse éditoriale automatisée basé sur Gemini (Vertex AI), éliminant le traitement manuel et générant des insights temps réel. Travaux d'avant-garde sur les systèmes IA agentiques capables d'automatiser des workflows décisionnels complexes et multi-étapes (abonnement, finance).
• Impact revenus : +1,5M€ incrémentaux/an via la conception et l'industrialisation d'un moteur de pricing comportemental dynamique. Optimisation temps réel des stratégies tarifaires par modélisation prédictive des élasticités et des propensions comportementales. ROI direct et mesurable sur le chiffre d'affaires.
• Excellence en ML prédictif et personnalisation à grande échelle : déploiement de modèles avancés de prédiction comportementale (+25% engagement, +15% rétention). Développement d'un système de recommandation hybride cross-sell optimisant l'efficacité publicitaire de +30%. Maximisation du LTV client par personnalisation algorithmique des parcours.
• Gouvernance stratégique et création de valeur : arbitrage des priorités techniques et data science en alignement avec les objectifs business. Interface de haut niveau avec les directions pour garantir que chaque initiative IA délivre une valeur mesurable et s'inscrit dans la vision stratégique de l'entreprise.

Feb 2021 – Jan 2022 · 11 mos

Jan 2020 – Dec 2020 · 11 mos

• Gouvernance & Culture Data : Mise en place ex-nihilo du DataLab interne et développement d'une culture data transverse entre les pôles métier et technique.
• Valorisation des Assets : Structuration des flux de données et déploiement de modèles de scoring client pour l'optimisation du ciblage commercial.

Jan 2019 – Mar 2020 · 1 yr 2 mos

• Contribution aux Appels d'Offres Stratégiques : Participation active aux phases d'avant-vente et de réponse aux appels d'offres pour des missions IA/Data Science.
• Génération de Business : Implication directe dans l'acquisition de 5 projets majeurs auprès de grands comptes.
• Alignement Stratégique : Définition de la proposition de valeur technique et méthodologique, assurant l'alignement des solutions Data Science avec les objectifs stratégiques et financiers des clients.

Jan 2018 – Jan 2019 · 1 yr

Sep 2018 – Jan 2020 · 1 yr 4 mos

• Référent technique et interface entre équipes Data Science et Data Engineering chez Groupama. Garantie de la faisabilité technique et de la mise en production scalable des modèles dans un environnement big data cloud Microsoft Azure. Rôle pivot pour fluidifier les échanges, standardiser les livrables et accélérer le time-to-production.
• Industrialisation et mise en production de 20 modèles prédictifs : orchestration complète du cycle de vie MLOps (développement, validation, déploiement, monitoring). Alignement des workflows de modélisation avec les contraintes d'architecture et de production pour garantir robustesse et scalabilité.
• Optimisation de la collaboration DS/DE : définition des standards de développement, documentation technique et processus de handover entre équipes. Réduction des frictions techniques et amélioration significative de la vélocité de mise en production.
• Architecture big data sur Azure : contribution à la conception et l'optimisation des pipelines de données (Azure Data Factory, Databricks, Azure ML). Exploitation de l'écosystème Microsoft pour déployer des solutions ML à grande échelle avec haute disponibilité.
• Attribution marketing et optimisation des campagnes : développement de modèles d'attribution multi-touch (chaînes de Markov, régression logistique). Mise en place de frameworks d'A/B testing pour mesurer l'efficacité des leviers marketing (emailing, Meta Ads).

Jan 2018 – Jan 2019 · 1 yr

• Conseil stratégique en architecture data pour EDF SEI : structuration d'un datalake énergétique et mise en place d'outils d'aide à la décision pour l'analyse de la consommation dans les territoires insulaires. Définition de l'architecture cible et des pipelines de traitement big data.
• Étude de faisabilité et architecture datalake : analyse des besoins métiers et techniques, modélisation des flux de données énergétiques multi-sources. Rédaction du blueprint d'architecture pour orienter les choix technologiques (stockage, compute, orchestration) et garantir la scalabilité du système.
• Développement d'un moteur de recherche énergétique distribuée : conception d'un outil d'exploration et d'agrégation des données de consommation par région. Implémentation d'index optimisés pour requêtes analytiques complexes sur séries temporelles haute fréquence.
• Framework de DataViz et analytics avancés : création de dashboards interactifs pour l'analyse multi-dimensionnelle des patterns de consommation. Mise en place de KPIs énergétiques en temps réel pour faciliter la prise de décision opérationnelle.
• Pipeline big data Spark/SparkCEP : développement de jobs distribués pour l'ingestion, transformation et analyse de données massives (ETL temps réel). Traitement de flux complexes de données IoT énergétiques à grande échelle.

Jan 2017 – Oct 2017 · 9 mos · Bois-Colombes, Île-de-France, France

• R&D en traitement automatique du langage naturel pour l'industrialisation de l'analyse documentaire. Exploitation de techniques NLP avancées sur corpus textuels non structurés (contrats d'assurance, verbatims clients) pour générer de l'intelligence contractuelle et client à grande échelle.
• Topic modeling et clustering sémantique sur corpus contractuels : application de LDA et méthodes de word embeddings pour cartographier automatiquement les typologies de contrats. Segmentation par similarité cosinus pour restructurer l'architecture des bases documentaires et accélérer la recherche d'information.
• Système de scoring sémantique pour la détection de clauses critiques : développement d'un moteur de proximité sémantique basé sur des représentations vectorielles (TF-IDF, word2vec) pour prioriser l'analyse des contrats à risque. Identification automatisée des clauses sensibles et des expositions juridiques.
• Analyse de sentiments et extraction d'entités nommées sur feedbacks clients : pipeline NLP complet (preprocessing, tokenization, sentiment analysis, NER) pour extraire automatiquement les irritants, pain points et thématiques récurrentes des verbatims. Génération d'insights actionnables pour les équipes CX et produit.

Jan 2016 – Jul 2016 · 6 mos · Laboratoire d’Informatique Paris Descartes (LIPADE)

• Recherche en systèmes multi-agents et algorithmes de planification au sein du LIPADE.
• Étude comparative des performances de navigation et de prise de décision en environnement contraint.
• Développement d'un environnement de simulation intégrant des obstacles dynamiques pour l'évaluation d'algorithmes de pathfinding et de résolution de problèmes complexes.
• Implémentation et benchmark A vs Monte Carlo Tree Search (MCTS)* : analyse comparative des performances en termes de temps de calcul, optimalité des solutions et scalabilité en environnement multi-agent.
• Contribution à la recherche fondamentale en IA : évaluation des compromis exploration/exploitation et applicabilité des méthodes de recherche heuristique vs stochastique pour des systèmes autonomes.

Jan 2013 – May 2013 · 4 mos · Gouvernorat de Tunis, Tunisia

• Refonte du système national d'identification des entreprises tunisiennes pour la Direction Centrale des Statistiques. Consolidation de données multi-sources hétérogènes en une base de référencement unifiée.
• Standardisation avancée des données : amélioration de +90% de la fiabilité des jeux de données consolidés via l'établissement de règles de cohérence interinstitutionnelle.
• Développement d'un moteur d'appariement phonétique (algorithme Soundex, R/VBA/Java) : +45% de précision dans la détection de doublons, automatisation du matching d'entités.
• Déploiement d'un moteur de recherche intelligent intégré au SI : optimisation de la rapidité et pertinence des requêtes analytiques.