Christian Noumsi

J'ai intégré l'équipe de l'IRCEM en tant que consultant avec pour objectif d'optimiser les performances des solutions analytiques déjà en place. La mission a débuté par une évaluation minutieuse du moteur de recommandation des produits complémentaires. Elle s'est prolongée par la conception et la mise en œuvre d'une méthodologie novatrice, mieux adaptée aux besoins spécifiques de l'entreprise.

✔️ Audit d'un moteur de recommandation des produits complémentaires.

✔️ Conception et implémentation d'une nouvelle approche méthodologique.

✔️ Pilotage de la refonte des algorithmes de Scoring.

✔️ Industrialisation des modèles.

J’ai rejoint l’inspection générale, pour soutenir la montée en charge de l’exploitation des données pour l’audit. Mon objectif était de structurer le pôle Data Science, et d’apporter une expertise Data pour les missions sur diverses thématiques telles que le développement commercial, les engagements et les risques, la conformité, la gouvernance et les ressources humaines.

✔️ Structuration du pôle Data Science incluant la mise en place d'outils et processus, la participation au recrutement, l'encadrement et la gestion de projets, la compréhension des enjeux métiers et leur traduction en besoins techniques, le développement de solutions innovantes pour l'audit, la documentation et la vulgarisation des résultats ainsi que la veille technologique. (Revue de code, point technique, pilotage de projet, process de Qualimétrie)

✔️ Conception et mise en œuvre d'une solution d'analyse automatisée de documents pour optimiser l'efficacité et la rapidité de traitement lors d'une mission d'audit : recherche de passages relatifs à une thématique donnée, analyse des sentiments, recherche de mots-clés, des noms, ainsi que leurs déclinaisons.

✔️ Implémentation d'un outil de collecte et d'analyse des commentaires laissés par les clients sur Google : Web Scraping ; catégorisation des avis ; identification des irritants, des motifs de réclamation et des sources de satisfaction ; visualisation des indicateurs et comparaison des établissements du réseau.

✔️ Mise en œuvre d'algorithmes non supervisés pour la détection d'anomalies dans les transactions bancaires, la tarification et pour analyser la cohérence entre l’évaluation des performances des collaborateurs, et leurs besoins en matière de formation.

✔️ Evaluation et optimisation du dispositif LCB-FT.

En intégrant le Data Lab, le centre de services d’IA pour le Groupe, j’ai contribué à l’accélération de l’exploitation des données chez RCI. J’ai construit des démonstrateurs, et j’ai su faire preuve de pédagogie sur la Data Science, afin d’embarquer les sponsors métiers et faire émerger de nouveaux besoins.

En étroite collaboration avec les autres profils de l’équipe : Data Engineer, DevOps, Métiers et MOA ; j’ai mis en place des solutions end-to-end pour l’amélioration de l’expérience client, ou pour l’automatisation et l’optimisation de certains processus.

✔️ Mise en place d’un moteur de catégorisation et de tri automatisé des mails, en vue de soulager les équipes opérationnelles du département CRM de RCI Italie. Avec l'automatisation des réponses pour certaines thématiques, la solution a permis de réduire le temps moyen de réponse de 44%.

✔️ Détection de fraude : automatisation du processus de validation des dossiers de demande de crédit, par la reconnaissance d’images de fraudeurs avérés.

✔️ Construction de plusieurs scores prédictifs pour l’optimisation des campagnes marketing en France et en Italie. Ces modèles ont permis d’optimiser le ciblage lors des campagnes de renouvellement d’assurance, de réactivation ou de lutte contre l’attrition.

✔️ Prédiction des moments de vie : estimer plus finement la valeur résiduelle des véhicules en leasing, afin d’identifier le moment opportun pour solder le financement.

✔️ R&D - Speech-to-Text : implémentation d'un algorithme de Deep Learning pour la retranscription des audios du Call Center.

✔️ Automatisation d’un Reporting des marges réalisées sur les services d’entretien et d’extension de garantie. Collecte des fichiers mensuels reçus de 19 pays ; consolidation ; contrôle de qualité des données ; stockage ; retraitement et visualisation des indicateurs.