Profil
Ingénieur IA & ML diplômé de l'ENSAI, doté d'une expérience pratique en entraînement de LLMs sur supercalculateur (GPUs B200), en développement de systèmes multi-agents et en design d'architectures de modèles de machine learning / deep learning. J'allie de solides connaissances en statistiques à un savoir-faire en implémentation et déploiement d'algorithmes sur mesure.
Expérience Professionnelle
AI Engineer
Agence Ministerielle pour l'IA de Défense
Data Scientist - Stage de fin d'études - 6 mois
Pôle Data et Innovation, Caisse des Dépôts
Prévision des signatures et versements des prêts immobiliers : étude statistique complète, backtesting, modélisation de survie avancée (AFT par morceaux, Cox), machine learning (survival random forest) et deep learning. Rédaction de rapports techniques et de fiches dans le cadre d'un audit des modèles de prévision de la banque, présentations orales. Proposition d'un modèle 17 % plus performant que le modèle initial en backtesting.
Data Scientist Consultant - 1 mois et demi
Grande chaîne de sushis (mission junior entreprise)
Analyse d'une base de données de plus de 20 millions de clients : segmentation par arbre CART, ACP et K-means, code optimisé en C++. Ce projet a abouti à la création d'un nouveau programme de fidélité pour les clients de la marque.
Data Scientist - Stage de Recherche - 3 mois
IFREMER (Laboratoire Halieutique)
Évaluation de la sélectivité des chaluts en mer Celtique : implémentation et entraînement d'un modèle linéaire généralisé mixte (Brooks et al., 2022), tests d'hypothèses, intervalles de confiance bootstrap, état de l'art. Le rapport démontre rigoureusement que le chalut à maille T90 protège 12 fois mieux les poissons juvéniles que le chalut standard, en limitant les pertes commerciales des pêcheurs à environ 5 %.
Formation
Ingénieur Data Scientist - ENSAI
École Nationale de la Statistique et de l'Analyse de l'Information
Spécialité génie statistique, promotion 2024
Licence Génie Mathématique
Université de Rennes 1
double diplôme avec l'ENSAI
CPGE MPSI - MP
Lycée Fénelon, Paris
Admis à l'ENSAI sur concours
Projets Académiques
API Cadastrale - INSEE
Responsable d'une équipe de 5 étudiants. API Flask interrogeant une base de données cadastrale en ligne, backend de recherches avancées sur le cadastre, gestion de plusieurs utilisateurs.
Latent Map Gaussian Processes
Réimplémentation d'un article scientifique en équipe de 3. Développement d'une librairie d'entraînement de processus gaussiens sur données mixtes (quantitatives et catégorielles).
Prévision consommation énergétique
Entraînement et comparaison des performances prédictives de modèles SARIMA, XGBoost et RNN.
Apprentissage par renforcement - Snake
Développement d'un algorithme apprenant à jouer à Snake de façon autonome par Q-learning.
Prévision du développement cardiaque de nourrissons - CHU Rennes
Ensemble learning, modèles linéaires mixtes, Lasso, XGBoost.