Paris, Île-de-France, France
Il y a trois ans, j'ai voulu comprendre comment un problème métier concret — trop humain pour un tableur, trop flou pour une formule, pouvait se résoudre avec quelques lignes de code. Je n'ai jamais arrêté de chercher depuis. J'ai eu la chance de nourrir cette curiosité à Paris Dauphine-PSL, où je termine un Master MIAGE en Informatique Décisionnelle, tout en la confrontant au terrain pendant trois ans d'alternance au Groupe BPCE. Cette double exposition — la rigueur analytique de Dauphine et la réalité opérationnelle d'un grand groupe — m'a appris l'essentiel : une donnée ne vaut que par la décision qu'elle permet. Le reste — les modèles, les pipelines, les dashboards — n'est qu'un moyen. Ce que j'aime, ce sont les projets qui partent d'un besoin mal défini et finissent en solution qu'on utilise vraiment. Modéliser l'agencement d'un flex-office comme un problème d'optimisation sous contraintes. Prévoir la consommation électrique de plusieurs sites pour orienter une stratégie d'achat d'énergie. À chaque fois, le même plaisir : traduire du concret en data, puis de la data en résultat. Mon vrai terrain, c'est la passerelle entre le métier et la technique. Je construis le pipeline et j'entraîne le modèle, mais je sais aussi expliquer pourquoi il se trompe à quelqu'un qui n'a jamais écrit une ligne de Python. Curieuse, autonome, pragmatique — je m'intéresse toujours au « pourquoi » avant le « comment ».
Au sein de l'équipe RSE & Énergie de la DSI Workplace, je travaille sur des problématiques de prévision et de suivi énergétique. ▸ Prévision de consommation électrique (mémoire de Master 2) : construction d'un pipeline ETL, feature engineering et modélisation (régression, séries temporelles, XGBoost) au service d'une stratégie d'achat Bloc + Spot. ▸ Stack : Python (Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn, Statsmodels), SQL.
J'ai travaillé sur des projets mêlant Data Engineering, optimisation algorithmique et BI en appui direct au métier. ▸ Macro-Zoning (mémoire de Master 1) : automatisation du space planning flex-office modélisée comme un problème d'optimisation sous contraintes (proximité, capacités, affinités) — pipeline ETL (SQL, Python) et dashboard Power BI / Power Apps. ▸ Pipelines ETL automatisés (Hadoop, SQL, Python) pour centraliser, fiabiliser et sécuriser les flux de données métier. ▸ Tableaux de bord Power BI interactifs en appui à la prise de décision opérationnelle. ▸ Stack : Python, SQL, Hadoop, Power BI, Jira.