Benjamin SIMEONI

Mission - Recrutement | Développement d'un moteur de matching IA candidats / offres – Développement d'un modèle de matching sémantique (embeddings candidats/offres, Pinecone) – Utilisation de LLM pour structurer et enrichir les données d'entrée – Mise en place d'un système de scoring et de re-ranking des candidats – Définition et suivi des métriques de performance du matching (pertinence, ranking) – Développement en cours de méthodes avancées (LLM reasoning, hybrid search) pour améliorer la pertinence du matching Stack: Python, LLM (OpenAI), Pinecone, embeddings, APIs Mission – Recrutement | Refonte du reporting & des flux de données – Construction de dashboards pour le pilotage business (sales, funnel, marketing) – Structuration et modélisation des KPIs clés (CA, conversion, acquisition) – Création de requêtes SQL pour produire des datasets analytiques – Automatisation de la collecte et de la mise à jour des données Stack: SQL, MySQL, Looker Studio, Make, HubSpot, Google Analytics Mission - Conseil (secteur médical) | Structuration de la donnée client & activation marketing – Construction d'une vue client 360° à partir de sources internes et externes – Développement de logiques de matching et d'enrichissement pour améliorer la qualité et la complétude des données – Structuration de datasets exploitables pour le ciblage et l'analyse marketing – Modélisation du cycle de vie client et des événements business – Activation de cas d'usage data-driven (segmentation, ciblage comportemental, cross-sell) Impact: x2 attributs exploitables, ~75% de taux de qualification des données Stack: Python, SQL, BigQuery, ETL, API, Brevo, Pipedrive

Responsabilités Data Science & ML (hands-on): – Conception et mise en production de modèles prédictifs cœur business orientés décisions et performance commerciale : – scoring de probabilité de vente des biens immobiliers, contribuant à une hausse du taux de conversion de ~4 % à ~6–7 % et à une réduction d'environ 40 % du temps passé par les chasseurs d'appartements, – priorisation intelligente des leads Sales (conversion, timing, valeur), remplaçant une priorisation manuelle et améliorant significativement la qualité des leads – systèmes de recommandation de biens visant à retenir les leads lorsque le bien initial n'est plus disponible (réduction des leads perdus de ~80 % à ~70 %). – Développement d'un feature store immobilier (features structurées, Open Data, NLP). – Exposition des modèles via une API interne (FastAPI) pour intégration produit. – Collaboration étroite avec Produit et Sales pour transformer les prédictions en décisions opérationnelles. – Contribution aux expérimentations produit et itérations basées sur la donnée (logique A/B test et mesure d'impact). Responsabilités Plateforme & Organisation Data: – Création from scratch de l'organisation Data (Data Eng., BI, Data Science, ML, Data Product). – Management de 7 personnes et définition de la roadmap Data alignée avec la stratégie business. – Mise en place d'une plateforme Lakehouse scalable (Snowflake, GCS, Airflow – architecture médaillon). – Déploiement d'une BI décisionnelle sous Tableau (KPIs business & produit). – Participation au CODIR et pilotage temporaire de l'équipe Tech (5 développeurs). Stack: Python, SQL, Snowflake, Airflow, GCP, Docker, FastAPI, Tableau

Startup IoT d'analyse de performance sportive temps réel (produit : Futbak): – Conception du produit (IoT + mobile) et de la stratégie Data – Traitement de données temps réel haute fréquence (RFID, séries temporelles) – Modèles ML : détection de positions, recommandations, styles de jeu – Levée de fonds : 1,4 M€ – Management d'une équipe de 13 personnes – 64 clients B2B, ~6000 utilisateurs, 20 % de part de marché du foot en salle – Déploiement international (US, BE, LU), CES 2018 et 2019, Lauréat OM Innovation Cup Stack: R, C#, SQL, MongoDB, IoT, Time Series, ML

– Modélisation quantitative pour produits dérivés de taux – Calibration de surfaces de volatilité implicite – Développement d'outils de risques & pricing en environnement de trading – Transition des modèles monocourbe vers multicourbe Tech: C++, VBA