Description

Vous avez des images à analyser, des objets à détecter ou des zones à segmenter ? Je construis des pipelines Computer Vision sur mesure, du dataset jusqu'au modèle livrable.

En alternance chez Naldeo depuis bientôt 3 ans, j'ai travaillé sur des projets réels pour des collectivités et clients privés : détection de toitures sur imagerie satellite (IoU 0.92), segmentation de végétation sur ortho-images 5 cm/pixel, suivi multi-objets en vidéo chirurgicale. Des projets avec des contraintes réelles, des données imparfaites et des livrables attendus.

Je travaille principalement avec PyTorch, YOLO, U-Net, et les architectures Transformer (Swin). À l'aise aussi bien sur de la détection, de la segmentation instance/sémantique, que du tracking.

Ce qui me différencie : je ne livre pas juste un modèle, je m'assure qu'il tourne, que les métriques sont honnêtes, et que vous comprenez ce que vous avez entre les mains.

Disponible en remote pour des missions courtes ou ponctuelles.

Industry field of expertise

Languages

French
Native or bilingual
English
Fluent

Workplace preferences

Remote only

Primarily works remotely

Indépendant
Ingénieur Computer Vision Freelance
February 2026 - Today (4 months)
Lyon, France
Développement de projets Computer Vision personnels et expérimentaux : détection et segmentation sur données satellite, réimplémentation d'architectures from scratch, déploiement de modèles via API REST. Projets disponibles sur GitHub.
Computer Vision Python Pytorch Deep Learning
Naldeo Digital for Climate,
Data Consultant
CONSULTING AND AUDITS
May 2024 - Today (2 years and 1 month)
Lyon, France
Computer vision applied to satellite and geospatial imagery for client projects. End-to-end pipeline: dataset construction, training, evaluation, delivery of outputs in GIS formats. Rooftank detection and water consumption fraud study (Amman, Jordan) 890 annotated images, comparison of YOLO vs RF-DETR, IoU 0.92. Cross-referenced detections with water consumption GIS layers to estimate median consumption per building and identify anomalies. Vegetated swale detection (Bordeaux Métropole, France) Segmentation on BD ORTHO ortho-images at 5 cm/pixel. Dataset of 1,210 images, comparison of Mask R-CNN vs U-Net, U-Net selected (IoU 0.76). Authored the nal study delivered to the client to identify infrastructure ownership. ˆ Sewer infrastructure detection on Google Street View (PoC) YOLO pipeline applied to Street View imagery to automate eld surveying. Web GIS application (QGIS Server) for local authorities; spatial database and interactive map for the Ardèche water supply master plan (SDAEP), with ETL scripts harmonizing 15 heterogeneous data sources.
Computer Vision QGIS Python Deep Learning Pytorch