Benjamin Marlé

Cegid est un grand groupe éditeur de solution de gestion, principalement dans les domaines de la paie, des ressources humaines et de la comptabilité. J’ai rejoint Cegid sur leur produit Cegid Conciliator qui a pour but d’automatiser la saisie comptable des factures pour la réalisation des tâches suivantes : ➡️ Pilotage de l’évolution des modèles IA de Cegid Conciliator : amélioration et mise à jour des modèles existants de Computer Vision & NLP pour la reconnaissance de champs de factures, consolidation des pipelines IA (MLflow, CI/CD, tests unitaires, KPI de performance, analyse du drift) et supervision de la migration des workflows de data ingénierie et de machine learning vers Azure Databricks en lien avec les équipes DataOps et Cloud ➡️ Pilotage du développement et mise en production d’agents IA pour remplacer les modèles d’affectation comptable et de reconnaissance des champs historiques de Conciliator ➡️ Cadrage et pilotage d’un prototype conversationnel liant utilisateur et logiciel comptable, combinant speech-to-text, RAG, et text-to-speech ➡️ Animation transverse : coordination des équipes Data, Infra, Produit et Métier, gestion du backlog de l’équipe, suivi des livraisons, priorisation continue en lien avec les enjeux stratégiques.

KOJI est une entreprise de développement web et applicatif, à forte croissance. Dans le cadre de leur développement, ils souhaitent ouvrir une BU (business unit) data. J'ai ainsi travaillé pour eux sur deux aspects principaux : répondre aux différents besoins en data de leurs clients et construire la BU data en interne : ➡️ Mise en place de pipelines sous la forme d'ELT : mise en place d'un data warehouse pour récupérer et centraliser l'ensemble des données liées aux projets internes de KOJI ➡️ Documentation et spécifications des différents prospects pour la BU data de KOJI : je devais recueillir leur besoins métiers et proposer une solution fonctionnelle, et planifier l’ensemble des différentes étapes à mettre à place ainsi que participer aux réponses aux appels d'offres lorsque cela était nécessaire ➡️ Gestion du backlog et des différentes cérémonies liées aux projets data ➡️ Pour le compte d'un de leur client (ACRELEC - acteur majeur de la food tech) : construction d'un algorithme de recommandation de produits, pour l'ensemble des magasins d'un acteur de la restauration rapide, en Angleterre. L'algorithme est un modèle de deep learning, mis à disposition sous la forme d'une API. Gain effectif évalué entre 15% et 25%.

Chargé du module de datamining/data science au sein du master 2 statistiques pour l'évaluation et la prospective de l'université de Reims Champagne-Ardenne : ➡️ Enseignement de la partie pratique du module d'analyse de données, via un langage de programmation (R et/ou Python) et un outil de dashboard (ici : PowerBI) ➡️ Enseignement de la partie pratique du module d'apprentissage statistique, avec l'utilisation des différents modèles de machine learning réputés (en Python) ➡️ Évaluation de soutenance de stage de fin d'étude

Le SDR récolte de nombreuses données lors de ses entraînements physiques. L'objectif de cette mission était de faciliter la récolte et le stockage de ces données et d'explorer des pistes concrètes d'exploitation, pour optimiser les charges de travail des joueurs lors des entrainements ➡️ Mise en place de pipelines de données, pour récolter, formater, homogénéiser et stocker les données provenant de différents objets connectés dans une base de données structurées. ➡️ Mise en place d'un modèle de prévision de charge de travail optimale de chaque joueur à partir de données déclaratives sur leur état de forme et de l'historique des performances en entraînements & matchs ➡️ Prototype d'un modèle de détection et/ou prévision de blessure en temps réel pendant les entraînements

Je suis intervenu auprès de la FNAC pour le compte de Galigeo, une entreprise spécialisée dans l'exploitation de données géographiques - en particulier en géomarketing. L'objectif de la FNAC était d'avoir un outil qui pourrait leur donner une estimation du chiffre d'affaire potentiel d'un nouveau point de vente, en fonction de son emplacement. ➡️ Analyse cartographique des zones de chalandise des différents points de vente physiques existants, afin d'identifier les zones non couvertes par la FNAC sur l'ensemble du territoire Français ➡️ Découpage des zones de chalandise en IRIS (découpage de 2000 habitants ou moins) et renseignement de chaque IRIS à partir des informations captées par les enseignes FNAC (CA, adresse, etc...), de données open source (INSEE notamment) et de données de concurrence ➡️ Construction d'un algorithme de prévision de chiffre d'affaire, à partir des informations IRIS agrégées. Ce dernier était capable de prédire un chiffre d'affaire à +/- 7% à partir de l'emplacement potentiel, de la surface de vente et des rayons envisagées ➡️ Élaboration totale, création et mise en place de la solution à partir des besoins clients

Elia-Digital est une société proposant de nombreux services (produits, SaaS, etc.) pour le monde vétérinaire. Je suis intervenu auprès d'eux pour automatiser un peu plus le process data. J'ai développé pour eux une pipeline pour automatiser le formatage et le stockage des données : ➡️ Développement d’un pipeline (sous la forme de script python) pour automatiser le formatage, le nettoyage et le stockage des données de multiples fichiers CSV dans une base de données SQL ➡️ Analyses AD-HOC diverses pour l'équipe marketing

MyCO est la première coopérative de données et tiers de confiance redonnant aux citoyens la main sur la gestion de leurs données personnelles. Je suis intervenu chez eux lors de la création de la coopérative, pour mettre en place leur environnement data : ➡️ Segmentation client pour mieux appréhender et anticiper les besoins de la clientèle ➡️ Mise en place d'une solution de tableaux de bord et reporting ➡️ Élaboration et analyse des KPI ➡️ Optimisation des performances de campagnes marketing et sondages, par méthode de scoring ➡️ Création d'un outil interne de géocodeur, à partir de la Base Adresse Nationale de data.gouv.fr ➡️ Analyses Ad Hoc diverses pour le compte du service marketing

Weburo était un site de vente en ligne de fournitures pour bureau, notamment les cartouches d'encre toner. Je suis intervenu chez eux en tant que data analyst : ➡️ Élaboration et analyse des KPI ➡️ Création et automatisation des tableaux de bord et reportings ➡️ Migration des codes de SAS vers R ➡️ Etudes marketing diverses pour l'équipe marketing ➡️ Optimisation de campagnes marketing par méthode de scoring

J'ai effectué mon stage de fin d'étude de master de 6 mois au sein de Bilendi (ex-Maximiles) : ➡️ Analyses AD-HOC diverses pour les différentes équipes de l’entreprise ➡️ Optimisation des sondages et campagnes marketing par méthode de scoring => augmentation de près de 25% des taux de réponses et de 8% des ventes suite à cela ➡️ Mise à jour des requêtes SQL utilisées par les différents services pour sonder la base de données