Description

Diplômé ingénieur de l'ISAE Supaero en 2017, j'ai débuté ma carrière chez Telespazio France en tant que Data Scientist spécialisé en Computer Vision et géo-information. J'y ai développé des algorithmes de deep learning pour le traitement d'images satellite tout en mettant en place des infrastructures big data avec PostgreSQL, Hadoop et PySpark.

En 2019, j'ai co-fondé FDTI Consulting où j'ai mené des projets de data science de A à Z, de l'acquisition client à la livraison. Cette expérience entrepreneuriale m'a permis d'acquérir une vision globale du business et de développer mes compétences en gestion de projet et relation client.

De 2021 à 2023, j'ai rejoint Microsoft en Italie pour travailler sur la détection automatique de défauts de fabrication. J'ai conçu et déployé des modèles de Computer Vision en production, en me concentrant sur la qualité des datasets et la mise en place d'infrastructures ML durables. Durant cette période, j'ai aussi vécu une expérience de nomadisme digital en Europe, travaillant depuis un van aménagé.

En 2023, j'ai intégré Crédit Agricole au Portugal en tant que Data Engineer pour standardiser les procédures ETL et mettre en place des pipelines CI/CD. Une expérience enrichissante dans le secteur financier qui m'a confronté aux enjeux de données critiques en temps réel.

Depuis 2025, je développe Kreatube, ma propre plateforme d'assistance à la création de contenu YouTube, utilisant React, Node.js, Python et l'intégration d'APIs LLM. Un projet qui combine mes compétences techniques et ma passion pour l'innovation produit.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif
Portugais
Capacité professionnelle complète
Allemand
Capacité professionnelle limitée

Préférences en matière de lieu de travail

Accepte de travailler sur site

Saint-Quentin (jusqu’à 50 km), Paris (jusqu’à 10 km), Toulouse (jusqu’à 10 km), Bordeaux (jusqu’à 10 km), Lille (jusqu’à 10 km)

Kreatube.co
Full Stack Dev & CEO
RÉSEAUX SOCIAUX
mars 2025 - Aujourd'hui (1 an et 3 mois)
Klagenfurt, Autriche
Développement d'un Software-as-a-Service (Saas) visant à aider les créateurs de contenu Youtube à comprendre les attentes de leur audience.
- Mécanisme d'autentification multi-utilisateurs
- Implémentation d'un système de crédit personnalisé
- Intégration d'APIs LLM (Gemini, OpenAI)
- Stack : ReactJS, NodeJS, Python, MongoDB, Stripe

Stripe LLM Node.js React.js MongoDB
Crédit Agricole
Data Engineer
BANQUE & ASSURANCES
mai 2023 - mai 2024 (1 an)
Lisbonne, Portugal
Data Engineer, Services de Paiement (entité CAPS):
- Standardisation des process Extract-Transform-Load (avec IBM DataStage)
- Debugging sur chaine de production de flux de data financiers
- Développement de packages pour intégration de nouveaux produits financiers
- Implémentation d'un workflow CI/CD (Jira / Git / Jenkins / Jfrog / AWX)
ETL Datastage Jenkins Banque Jira/Confluence
Microsoft
Data Scientist & Consultant AI
LUXE
avril 2021 - février 2023 (1 an et 10 mois)
Milan, Italie
Développement et implémentation d'algorithmes de deep learning permettant la détection visuelle automatique d'anomalies, sur chaînes de production dans l'industrie du luxe.

Les challenges principaux ont été :
- Accompagner le client dans la création d'un jeu de données propre, et propice à l'entraînement de modèles de machine learning;
- Mettre en place une infrastructure permettant d'effectuer du deep learning sur des datasets aussi volumineux (le jeu de données final contenait plusieurs dizaines de milliers d'images de haute qualité);
- Vulgariser le fonctionnement de modèles complexes de deep learning pour établir la confiance du client en la robustesse des résultats;
- Implémenter le modèle final sur la chaîne de production du client, et assurer son suivi sur la durée grâce à des pipelines de MLOps sur Azure.

Outils utilisés: principalement Python, expert Azure, visualisation de données (PowerBI , Streamlit), conteneurisation (Docker, Kubernetes), bonnes pratiques de DevOps, mise en place et utilisation de pipelines de MLOps.

Algorithmes de Computer Vision implementés (sous Pytorch): FasterRCNN, DETR, EfficientDet, YOLO, Autoencoders, Siamese Networks, GAN
Deep Learning Computer Vision Pytorch MLOps Microsoft Azure