Reconversion armée → commerce → data science. Je construis des systèmes ML de bout en bout : de la reproduction rigoureuse de l'état de l'art jusqu'à la mise en production observable.

• 🌍 Correction des prévisions de qualité de l'air — post-traitement de CAMS Europe aux stations françaises : 36 mois, 28 M d'enregistrements, 4 polluants. Le modèle corrige là où il n'y a aucune station, et c'est ainsi qu'il est évalué — station et mois cachés ensemble : 39,6 % d'erreur en moins sur le NO₂. Brut, le produit européen ne passe le critère réglementaire FAIRMODE que sur 41,4 % des stations NO₂ ; corrigé, 96,2 % — code · présentations · dossier, 63 pages
• ⚙️ Vigilance — plateforme de détection d'anomalies temps réel : DAG event-driven 9 workers (Redis, Docker), 3 canaux de détection décorrélés, cycle de vie d'alarme en épisode unique, cockpit Streamlit 49 pages, code privé sur demande · fiche projet
• 🧪 Multi-Agent-Lab : laboratoire d'évaluation d'agents LLM 100 % locaux (RTX 5090). Mesurer ce que chaque brique d'un agent apporte vraiment face à une baseline, sous protocole préenregistré : 116 objectifs sur 200 clos. Dernier résultat : pour choisir le bon skill, une décision typée du modèle bat un routeur classique (84 sur 107 contre 41) ; les résultats négatifs sont publiés comme tels. Code privé · vitrine · fiche projet
• 🧬 LLM-Engineering : optimiser un LLM pour une réponse juste au format attendu (chapitre CIM-10 de comptes rendus cliniques fictifs, PARHAF), en comparant affinage LoRA, distillation, compression, ensembles et cascade sous protocole gelé, sur une seule RTX 5090. Test scellé ouvert une fois : 0,813 contre 0,740 pour le TF-IDF, écart non tranché au seuil de 2 points ; au niveau du meilleur chiffre publié sur MorFITT · code · plan interactif des tests
• 🏭 Fonderie : harness multi-agents de génie logiciel. Claude Code orchestre, des LLM locaux codent, un évaluateur à tests cachés valide ; banc de 29 tâches rejouées 3 fois · vitrine · plan de suivi interactif
• 🕵️ Aegis-RCA — agent LLM local de diagnostic de causes racines pour Vigilance : RAG sur procédures, sandbox d'auto-correction, décisions d'architecture mesurées (pas juste supposées) — code privé · fiche projet
• 🔬 Benchmarks de reproduction AD — ADBench (tabulaire) & TSB-AD (séries temporelles) : reproduire exactement les scores publiés avant de prétendre les battre — VUS-PR, point-adjust banni, validation LODO — anomaly_tabular · anomaly_tsad (PaAno ICLR'26 certifié #1 TSB-AD)
• 🏆 Kaggle — 35+ compétitions, 3 top 1% mondial (meilleur rang : #14/3022)

Python Scikit-learn XGBoost PyTorch Polars Redis Docker Prometheus Grafana Streamlit SHAP