Description

J'aide les équipes tech à passer du prototype IA au système qui tient en production, à grande échelle.

10+ ans comme Staff / Lead Applied Scientist chez Zalando et Trade Republic. Mon travail bloque 1,5 M€ de fraude par mois chez Trade Republic et a généré 7 M€ d'EBIT annuel chez Zalando via les systèmes de recommandation de taille. Deux publications à RecSys (2020, 2022).

Comment je peux vous aider

Architecture et stratégie IA : revue de système, roadmap LLM/ML, arbitrages build-vs-buy. C'est là que j'apporte le plus de valeur.

Implémentation senior : fine-tuning de LLM, RAG, recommandation, vision-langage, ML temps réel.
Mise en production : pipelines robustes pensés pour des dizaines de millions d'utilisateurs (AWS, PyTorch, SageMaker).

Ce qui me différencie:

Des produits livrés à l'échelle Zalando, pas des démos. Une vraie expérience du ML en production : latence, A/B tests, on-call. Une profondeur sur le multimodal (modèles de diffusion, datasets de 12M d'images) et sur la recommandation (SASRec, bandits, deux papiers RecSys).

Sur quoi j'interviens

Audit ou refonte d'un système IA existant
Roadmap LLM / ML pour fondateurs et CTO
Systèmes de recommandation (e-commerce, contenu, produit)
Pipelines LLM en production : RAG, fine-tuning, évaluation
Détection de fraude et scoring temps réel
Optimisation logistique et recherche opérationnelle

Idéal pour fondateurs, CTO et tech leads qui cherchent un partenaire senior pour concevoir, auditer ou construire leur système IA. Une revue d'architecture ou une mission courte de cadrage est souvent la meilleure façon de démarrer.

Industry field of expertise

Languages

English
Fluent
French
Fluent
German
Fluent

Workplace preferences

Can work on-site

Paris (up to 50km)

Trade Republic
Staff Data Scientist — FinCrime
BANKING AND INSURANCE
August 2025 - Today (11 months)
Paris, France
J'ai rejoint Trade Republic pour structurer la stratégie ML de l'équipe FinCrime et déployer un modèle de détection de fraude en temps réel.

Défini la stratégie technique ML de l'équipe :
- roadmap data et labelling, direction plateforme, approche modélisation.
- Mis en production un modèle Transformer à faible latence qui bloque 1,5 M€ de fraude APP sortante par mois.
- Refonte de l'outillage ML pour standardiser le workflow train / register / deploy et accélérer les itérations.
Pytorch Clickhouse AWS Apache Kafka DBT
Zalando
Lead Applied Scientist — Size and Fit
E-COMMERCE
August 2022 - August 2025 (3 years)
Berlin, Germany
J'ai piloté la recherche et la livraison des systèmes de recommandation de taille de Zalando, sur des produits utilisés par des dizaines de millions de clients.

- Dirigé "Your Sizes", le système de recommandation de taille de Zalando.

- Réduction de 0,2 point des retours liés à la taille, soit environ 7 M€ d'EBIT annuel.

- Mené la recherche sur le Virtual Try-On conscient de la taille : fine-tuning des modèles de diffusion Leffa et CogView 4 pour préserver la coupe du vêtement et la morphologie, et fine-tuning de Janus7B pour annoter un dataset de 12M d'images.

- Adapté Llama 3.1 (LoRA) pour personnaliser les recommandations de taille.

- Déployé un modèle 3D de prédiction du corps (ConvNet), une inférence de morphologie (U-Net denoiser) et un Transformer multimodal pour la prédiction de taille.

-Défini la roadmap technique, géré l'intake, et mis en place les frameworks d'évaluation (manuels et automatiques).
Stable Diffusion LoRa Pytorch AWS Databricks