Description

Développeur orienté data avec un parcours initial en développement logiciel, j’accompagne aujourd’hui mes clients dans la conception de solutions intelligentes combinant automatisation, data et machine learning.

Mon expérience en développement m’a permis de travailler sur des projets concrets pour des clients, en concevant des applications et des solutions adaptées à des besoins réels. Cette base solide me permet aujourd’hui d’aller plus loin : non seulement analyser et modéliser les données, mais surtout intégrer ces solutions directement dans des systèmes fonctionnels.

Je conçois et déploie des solutions telles que :

des systèmes de recommandation pour optimiser la conversion et l’engagement,

des agents d’automatisation pour fluidifier des workflows (Gmail, prospection, gestion RH),

des pipelines de traitement de données (collecte, nettoyage, structuration, analyse),

des modèles de machine learning appliqués à des données complexes, notamment en NLP.

Sur des projets comme PoeticMind, j’ai développé un pipeline complet de classification d’émotions à partir de textes, en intégrant toutes les étapes : scraping, structuration en base SQL, vectorisation et entraînement de modèles.

💡 Ce que j’apporte concrètement :

automatisation de processus métiers pour gagner du temps et réduire les coûts

exploitation des données pour améliorer la prise de décision

développement de solutions complètes, de la data jusqu’à leur intégration

Mon profil hybride développement + data me permet de livrer des solutions directement utilisables, et pas seulement des analyses ou des modèles isolés.

Stack principale : Python, Pandas, Scikit-learn, TensorFlow, SQL, NLP, automatisation, développement web.

Languages

French
Native or bilingual
English
Fluent

Workplace preferences

Can work on-site

Paris (up to 50km)

Hôpital Marie-Lannelongue Le Plessis-Robinson
Technicien Support
HEALTH AND WELLNESS
April 2026 - Today (2 months)
Paris, France
Déploiement et mastérisation de centaines de PC et Panel PC dans le cadre de la migration des locaux Mise en place et configuration des postes de travail (installation des pilotes et logiciels métiers) Assistance à la mise en place de l'infrastructure réseau du nouveau site Gestion et maintenance du parc informatique (inventaire, suivi, résolution d'incidents) Transfert et migration des données entre les services lors du déménagement
Projet de développement de modèle de prédiction d'émotion sur un texte Projet de classification d'émotions à partir de textes poétiques. Collecte et préparation de données textuelles via scraping, nettoyage et structuration en base SQL. Vectorisation des textes et des émotions, puis conception d'un pipeline de classification NLP. Entraînement et évaluation d'un modèle de prédiction des émotions (performance ≥ 50 %) sur des données non structurées et subjectives. Analyse des résultats et itérations méthodologiques pour améliorer la cohérence et la robustesse du modèle.
ndh
Data analyst
March 2026 - April 2026 (1 month)
Paris, France
En tant que assistant data analyst pour pierre bercy à NDH j'ai extrait et transformer des données de sondage et revues politique ansi que leurs bases de données afin de mettre en place des kpi de qualité pour faciliter la prise de décision. Tous en aidant à la formation du personnel viellisant aux nouvelles solutions technologiques et l'automatisation des workflows
Microsoft Power BI Agents IA scrapping Développement web
Poeticmind Paris
Data enginneer
ARTS AND CRAFTS
October 2025 - November 2025 (1 month)
PoeticMind est un projet de data science appliqué au traitement du langage naturel (NLP), visant à analyser et prédire les émotions exprimées dans des textes poétiques.
L’objectif était de transformer des données textuelles subjectives et non structurées en insights exploitables à l’aide de techniques de machine learning.
Collecte de données : scraping de textes poétiques depuis différentes sources
Data cleaning & structuration : nettoyage, normalisation et stockage en base SQL
Feature engineering : vectorisation des textes (TF-IDF / embeddings)
Conception d’un pipeline NLP complet
Modélisation : entraînement de modèles de classification (Scikit-learn / TensorFlow)
Évaluation : mesure de performance (>50% sur données subjectives complexes)
Optimisation : itérations sur les modèles pour améliorer cohérence et robustesse