About Miljan
Fractional Head of AI & Data | AI Engineer & Data Scientist
Je transforme l'organisation entière par l'IA (commercial, marketing, finance, RH, opérations, direction), j'interviewe les équipes, je cartographie comment elles travaillent vraiment, et je tue les process manuels un par un en construisant les outils internes qui les remplacent.
Le résultat à 12-18 mois : un patrimoine digital qui vous appartient. Un écosystème d'outils internes, connectés à vos vrais process, où l'on remplace petit à petit les SaaS à 50-100k€/an par des solutions internes.
Je décide la stratégie et je livre le code moi-même. 8 ans à faire tout les rôles dans un département data : d'abord Data Scientist & Data Analyst, puis Data Engineer pour construire mes propres pipelines data et plus récemment AI Engineer pour exploiter la puissance des LLM, 30+ missions en production, du e-commerce à quelques M€ de CA jusqu'aux groupes (Mulliez, Sanofi, Puig).
Missions récentes :
Celio : Lead Data Scientist, à la tête de l'équipe Data Science & Analytics. Modèles ML en production pour toute l'entreprise (descriptions produits par IA, prédiction emailing, Marketing Mix Modeling, pilotage de la démarque).
Wamiz : Head of Data externalisé. Pilotage de la stratégie data et construction de la data platform de zéro en quelques mois (modern data stack : Airbyte, Dagster, dbt, BigQuery).
Ma méthode : je passe du temps avec chaque métier pour repérer les points de douleur et les process qui coûtent le plus à l'entreprise. J'en tire une roadmap priorisée par impact business, puis on déroule projet par projet, en continu, en commençant par ce qui rapporte le plus vite. À chaque étape, une conduite du changement pour embarquer les équipes dans la transformation.
Et je forme vos équipes au passage : l'objectif est de vous rendre autonome, pas dépendant de moi.
Agréé CIR par le Ministère de la Recherche : sur un projet de R&D, mes prestations ouvrent 30% de crédit d'impôt sur ce qui vous est facturé.
French
Native or bilingual
English
Fluent
Can work on-site
Paris (up to 50km)
Experience
- CELIOData Scientist Lead & AI Engineer — Enseigne de mode retailFASHION AND COSMETICSMarch 2026 - Today (4 months)Paris, FranceLe contexte : Celio, une enseigne de mode retail avec un objectif clair pour ma mission de 9 mois : mettre en place des projets de data science et d'IA générative avec un ROI mesurable sur chacun. Pas de projets exploratoires sans fin. Chaque initiative doit prouver sa valeur.Mon périmètre est large : lead sur la data science et l'AI engineering, mais aussi sur la data analyse et le pilotage complet de l'analyse client. Un rôle à la croisée de la stratégie et de l'exécution.Les premiers projets, ce sont des V2 d'outils existants à fort potentiel :V2 de l'application de description produits par IA. L'outil existe mais doit monter en qualité et en autonomie pour les équipes métier. C'est un sujet que je maîtrise parfaitement pour avoir construit ce type d'application from scratch sur un projet précédent.V2 de l'algorithme de prédiction de clic emailing. Le modèle prédit quel client va cliquer sur quelles campagnes. L'objectif : améliorer le ciblage et mesurer l'impact sur le taux de conversion.Derrière, des projets de machine learning structurants :Marketing Mix Modeling (MMM) : modéliser l'impact de chaque levier marketing (média, CRM, promotions) sur le chiffre d'affaires pour optimiser l'allocation des budgets. Un projet à fort enjeu stratégique qui va directement influencer les décisions budgétaires de la direction.Pilotage de la démarque par ML : prédire et optimiser les promotions pour préserver la marge. Dans le retail, la démarque est l'un des premiers postes de perte de rentabilité.Chaque projet suit la même logique : objectif mesurable, critère de succès défini à l'avance, ROI documenté.Stack : Python, Machine Learning, IA Générative, SQL
- Wamiz
On Malt
Head of Data externalise — Wamiz (startup media, contenu animaux de compagnie)PRESS AND MEDIAJanuary 2026 - Today (5 months)Paris, FranceLe contexte : Wamiz génère des millions de pages vues par mois mais n'avait pas de stratégie data structurée. Les données existaient un peu partout, mais personne ne les centralisait ni ne les exploitait de manière stratégique. Le CIO avait besoin d'un Head of Data pour poser les fondations, mais pas à temps plein. D'où le recrutement d'un Head of Data externalisé via Malt.Mon rôle va au-delà de la technique. Je définis la stratégie data de l'entreprise : gouvernance, architecture, priorisation des sources de données à centraliser, et surtout comment rendre ces données exploitables par le CEO et l'ensemble des équipes métiers (éditorial, marketing, produit).Ce que je mets en place :La modern data stack complète de Wamiz. Dagster pour l'orchestration (chaque pipeline est monitoré, chaque échec est traçable). BigQuery comme data warehouse central. dbt pour la transformation et la modélisation des données (tests intégrés, documentation automatique). Airbyte pour l'ingestion de toutes les sources de données de l'entreprise.L'objectif n'est pas juste d'empiler des outils : c'est de construire une plateforme data qui permette à la direction de prendre des décisions basées sur des données fiables, et aux équipes métiers d'être autonomes dans l'exploitation de ces données.C'est un rôle de Head of Data au sens stratégique : définir ce qu'on collecte, pourquoi, comment on le structure, et qui l'utilise.Stack : Dagster, BigQuery, dbt, Airbyte, GCP - EkosportAI EngineerRETAIL (SMALL BUSINESS)November 2025 - February 2026 (3 months)Paris, FranceAI Engineer, Agents IA — Ekosport (distributeur outdoor, 400+ fournisseurs)Le probleme : l'equipe achat passait des heures a ressaisir manuellement les catalogues de 400+ fournisseurs dans l'ERP. Chaque fournisseur envoie ses matrices articles et bons de commande dans un format different (PDF, Excel, formats libres). 2,5 personnes a temps plein etaient mobilisees rien que sur cette saisie.Ce que j'ai livre :Des agents IA qui extraient automatiquement les donnees de n'importe quel document fournisseur (PDF, Excel, formats non structures) et les convertissent au format ERP. La precision d'extraction atteint quasi 100%, validee sur un framework d'evaluation avec dataset de reference et metriques par champ.Une application web pour les fournisseurs eux-memes : ils uploadent leurs documents, l'IA pre-traite et detecte en temps reel les informations manquantes ou incoherentes avant que le document n'arrive cote Ekosport. Fini les allers-retours par email.L'integration avec la base produits et le stock pour prevenir les ruptures en amont.Resultats : 2,5 ETP liberes sur des taches a valeur ajoutee, reduction drastique des allers-retours fournisseurs, amelioration de la gestion des stocks.Stack : Python, LLMs (GPT-4, Claude, Gemini), LangChain, FastAPI, React, PostgreSQL, Document AITags Malt : Generative AI, LLM, Intelligence artificielle, Python, Langchain
Reviews
Tristan
CTO - Wamiz
Reviewed on 11/05/2026
Miljan a toutes les qualités d'un data qu'on recherchait: experience, pro-activité et autonomie;
Il nous accompagne sur le setup de notre stack data suite à de nouveaux objectifs de boite (capturer des leads).
Ca comprends: Dagster, GCP, big query, dbt. Collaboration sur slack & github.
C'est un bon communiquant, il vulgarise et explique et s'adapte au niveau de son auditoire. Il visibilise bien son travail.
Je recommande chaudement, freelance très sérieux.
H
Hubert
Expert Bigquery, Dbt & CICD - SEIKI
Reviewed on 10/01/2026
Encore une excellente collaboration avec Miljan pour la phase 3 de notre projet. La mise en place de la CI/CD et le passage en production se sont déroulés sans accroc. C'est la 3ème fois que je fais appel à lui et c'est toujours un plaisir de travailler avec quelqu'un d'aussi compétent et fiable.
Recommendations
AD
These freelancer profiles also match your criteria
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Education
- Master of Science in Managementemlyon business school2018Spécialisation en entrepreneuriat. Projet de fin d’études : l’impact de l’intelligence artificielle sur l’emploi
- Data ScientistOpenclassrooms + CentraleSupélec2019Compétences développées : -Analyser des données pour en extraire de la valeur et répondre à une problématique spécifique. -Modéliser le phénomène à l’origine de la création de données, à l’aide d’algorithmes de machine learning. -Mesurer et améliorer les performances de cette modélisation. -Automatiser des tâches telles que des recommandations, des prédictions, des classifications d’images, ... -Communiquer des résultats par la visualisation des données afin de faciliter la prise de décision. Expertises obtenues : -Traitement du langage naturel (NLP) : NLTK, TF-IDF, LDA, Word2Vec -Traitement d'images : OpenCV, Sift, Réseaux de neurones convolutifs (CNN) -Traitement de données séquentielles (finance, traduction) : LSTM, GRU, Seq2Seq, Attention, Transformer
Certifications
- Large Language Models (LLM) & TransfromersSuper Data Science2024
- Décrivez et nettoyez votre jeu de donnéesOpenclassrooms2018