Toulouse, Occitanie, France
Dans le cadre de mon postdoctorat à l’IRIT, je mène des travaux de recherche sur la modélisation et la simulation de systèmes socio-économiques complexes, notamment autour de l’économie circulaire et de la gestion territoriale des ressources. Je conçois et développe un modèle multi-agents spatial permettant d’analyser comment des entreprises peuvent coordonner leurs échanges de ressources au sein de marchés décentralisés. J’explore comment la modélisation multi-agents, l’apprentissage par renforcement et les mécanismes de marché peuvent favoriser l’émergence de coopérations locales et soutenir des stratégies de circularité à l’échelle des territoires. J’intègre des agents capables d’adapter leurs stratégies via l’apprentissage par renforcement, afin d’étudier les dynamiques émergentes en matière de formation des prix, d’allocation efficace des ressources et de stabilité des comportements. Je conduis également des analyses de sensibilité et des expérimentations à grande échelle pour comprendre l’influence des facteurs territoriaux (densité, distances, coûts logistiques) sur la capacité des acteurs à coopérer. Mon travail vise à fournir des outils d’analyse robustes pour éclairer la prise de décision et concevoir des systèmes industriels plus durables.
Titulaire d'un doctorat en informatique, j'ai acquis une solide expérience à la fois dans le milieu académique (CNRS, Université Gustave Eiffel, IRIT) et en entreprise (Odyssee, Atos). En tant que freelance, je mets à disposition mes compétences pour aider les entreprises et les collectivités à tirer le meilleur parti de leurs données et à prendre des décisions éclairées. Je suis capable de concevoir et de mettre en œuvre des modèles de simulation informatique et des des algorithmes d'apprentissage automatique pour aider à comprendre et à prédire des phénomènes complexes. En outre, mon expérience approfondie en recherche académique me permettent de fournir des solutions innovantes et de haute qualité à mes clients, à la pointe des dernières avancées technologiques.
En tant qu'ingénieur de la donnée au sein de l'agence d'urbanisme Odyssee et de l'IRIT, j'ai dirigé la conception et la mise en œuvre d'un modèle de mobilité visant à optimiser le placement stratégique d'infrastructures, dans le but de réduire les émissions de carbone liées aux déplacements. Pour relever ce défi complexe, j'ai développé un framework permettant une analyse hautement performante des déplacements d'une population à large échelle. Afin de valider les résultats obtenus et d'offrir une vision approfondie de leurs implications, j'ai déployé une simulation de trafic à l'échelle régionale, englobant les régions d'Occitanie et d'Île-de-France, sur la plateforme MATSim. Cette simulation, alimentée par une population synthétique statistiquement représentative, a permis une analyse détaillée des flux de déplacement et de leurs impacts environnementaux. J’ai tiré parti de la puissance offerte par notre framework d'analyse de mobilité pour développer des algorithmes de machine learning visant à optimiser le placement d'un réseau d'espace de co-working, ainsi que le déploiement de stations de recharge mobiles pour véhicules électriques. En parallèle, j'ai contribué à la recherche et au développement d'un écosystème complet de technologies numériques visant à créer une plateforme de recommandation personnalisées respectueuse de la vie privée, dans le but d'encourager activement les comportements écologiques. J'ai été force de proposition pour promouvoir des technologies comme le chiffrement homomorphique, le federated learning ou le calcule multipartite afin de générer de la connaissance sur les utilisateurs sans jamais compromettre leurs informations confidentielles.
En tant que chercheur en intelligence artificielle appliquée à la cybersécurité au CNRS, j'ai participé à la conception et l'implémentation d'un protocole expérimental pour enregistrer les ondes électromagnétiques émises par des dispositifs bare metal. Par la suite, j'ai mis en place un pipeline complet de prétraitement des données, permettant de convertir les signaux bruts en données exploitables par les algorithmes de machine learning. J'ai finalement élaboré une architecture d’apprentissage profond spécifiquement dédiée à la détection d'infections par des malwares. Cette architecture, basée sur des réseaux neuronaux convolutifs, est capable de détecter des infections et de classifier le type de malware détecté uniquement à partir des données électromagnétiques capturées.
Au sein de l'équipe GRETTIA de l’Université Gustave Eiffel, j'ai réalisé ma thèse axée sur l'exploration de méthodes pour effectuer des simulations de trafic multi-agent à grande échelle. Mon travail consistait en premier lieu à développer un simulateur de trafic à partir de zéro, afin de cerner la complexité inhérente à la distribution d'un système multi-agent. Ensuite, j'ai proposé et comparé plusieurs approches, adaptées à différents types de scénarios de simulation, qu'ils soient macroscopiques ou microscopiques. J’ai également conçu un nouvel algorithme d'équilibrage de charge dynamique afin d’améliorer encore davantage les performances de la simulation. Les solutions que j'ai élaborées ont été testées avec succès sur un réseau réel représentant la zone de Paris-Saclay. Leur caractère générique leur confère une applicabilité étendue, pouvant être déployée sur la plupart des simulateurs existants.