Développeur Fullstack devenu ingénieur IA en formation. Mon parcours mêle la rigueur de l'ingénierie logicielle et la recherche appliquée en Machine Learning.
Recherche, expérimentation et industrialisation de modèles de Machine Learning au service de la coopérative, sur deux projets majeurs :
Refonte et optimisation de modèles de prévision du rendement (t/ha) et de la durée de culture de parcelles (haricots, pois) avant récolte. Feature engineering avancé (variables pédologiques, encodage variétal sans data leakage, météo cumulative et glissante, indicateurs phénologiques et de stress), modélisation XGBoost / LightGBM / LSTM optimisée via Optuna et perte Huber robuste aux outliers. Intégration de données satellites (NDVI, EVI, NDWI, SAVI), features de trajectoire (biomasse, contenu en eau, vigueur de verdissement), pour une hausse du R² sur le rendement de ~0,18.
Refonte d'un outil critique de pilotage de la collecte, en remplacement d'un Google Sheets manuel (un écart de 1 % représentant 100 000 à 150 000 €). Reverse-engineering de l'ERP MilkOffice et modélisation de l'architecture de données, pipelines en data contracts et industrialisation des règles métier en Python (coefficients de saisonnalité, projection automatisée sur 36 mois), restitution via dashboards Qlik Cloud avec simulation de scénarios.
Conception et développement d'applications web full-stack : optimisation d'interfaces web et résolution de bugs pour améliorer l'expérience utilisateur et la stabilité des applications.
Spécialisation Machine Learning, Deep Learning, MLOps et gestion de projet IA.
Conception, développement et déploiement d'applications full-stack.