Christophe Goudet

- Réduction de 90% d'une base de données de professionnels de santé grâce à la fusion des doublons. → confiance dans les chiffres instaurée pour les citoyens et journalistes. - Mentorat d'une équipe de 6 juniors . 🔎 Contexte : EurosForDocs est une association qui lutte contre les conflits d'intérêts dans la santé, en rendant exploitable une base de données publiques de rémunération de médecins par les laboratoires pharmaceutiques. Le projet consiste à améliorer la qualité des données, en particulier l'unification des nombreux doublons dans la base. 📊 Tâches : - Réattribution de numéros d'identifiants nationaux (RPPS) des professionnels de santé via fuzzy matching avec l'annuaire officiel. - Identification des doublons des associations de médecins via NLP et machine learning. - Création d'entité unique regroupant tous les comptes dupliqués (entity matching) - Minimisation des coûts d'infrastructure par l'utilisation de python et DuckDB. - Mise en place des bonnes pratiques de développement (GitLab CI/CD, peer review, nommages cohérents) au sein de l'équipe junior. 🛠 Stack technique : - Python : pandas, python-igraph - Machine learning : scikit-learn, LightGBM, MLFlow - Data engineering : Dagster - SQL : DuckDB, parquet, Google Sheet - Metabase : data visualization, dashboard

🔎 Contexte Clone accompagne 1000+ restaurateurs à piloter plusieurs menus sur les plateformes (UberEats, Deliveroo, ...) pour augmenter leur CA. L'objectif est de proposer un copilot genAI pour n'avoir qu'un seul point d'entrée vers les actions et données disponibles sur les plateformes. 📊 Tâches Agent co-pilote pour restaurateurs. Création d'un agent IA (Gemini, Google ADK) accessible via Telegram. L'architecture multi agent avec orchestrateur et deux sous-agents spécialisés : - agent d'action pour modifier l'état du restaurant (prix, menu, ...), - agent analytics interfacé avec un data warehouse (Looker + BigQuery) pour le pilotage de l'activité. Performances démontrées : latence inférieure à 10 secondes, taux de succès (appels outils + paramètres corrects) supérieur à 95%. Entity matching. J'ai créé une pipeline de data science (python, polars, igraph) pour relier 1M de comptes de restaurants présents sur les plateformes à des restaurants physiques (y compris dark kitchens) et proposer une analyse de concurrence (BigQuery, DBT) accessible à l'agent. +95% de matching sur des datasets spécifiques à des edge cases. Pipeline de pilotage des performances. Pipeline data (airflow + BigQuery + DBT) pour extraction quotidienne des métriques opérationnelles (ventes, promos, coûts) des restaurants partenaires depuis leur comptes sur les plateformes. 🛠 Stack data & GenAI - Data science : pandas, polars, scikit-learn, python-igraph - Data engineering : Airflow, DBT - ML engineering : MLflow - Backend : Django, Scrapy, Telegram, Docker - Databases : BigQuery, PostgreSQL, Google Sheets, Parquet - Cloud : Google Cloud Platform (GCP) - GenAI/LLM : Gemini, Google ADK

- Réduction de 20% du gaspillage alimentaire - Accompagnement de la croissance, passant de 50 à 300+ clients. 🔎 Contexte : Foodles est un acteur de la restauration d'entreprise et propose en particulier la livraison quotidienne de repas frais dans des frigos connectés pour permettre aux équipes de se nourrir sainement à toute heure de la journée. Le projet consiste à mettre en place un système d'optimisation opérationnelle permettant de répartir 50 000 plats hebdomadaires chez 300+ clients tout en minimisant la perte alimentaire et en maximisant la satisfaction des consommateurs, système critique intégré dans l'infrastructure backend de l'entreprise. 📊 Tâches : - Entrainement d'un système d'IA pour la prévision des ventes des clients. - Développement d'une solution de répartition optimale des plats chez les clients en limitant la perte alimentaire et en assurant le choix aux consommateurs. Système critique nécessitant une solution dans un temps prédéfini pour les opérations quotidiennes. - Accompagnement des équipes métier pour s'approprier les résultats des outils data. - Segmentation des convives et des plats pour personnaliser les frigos selon les habitudes de consommation dans chaque entreprise, guidant l'optimisation opérationnelle dans ses choix de variété alimentaire 🛠Stack technique : - Python : Django, CVXPY, pandas, polars - IA : scikit-learn, LightGBM, PyTorch, MLFlow - SQL : PostgreSQL, Snowflake - Data Engineering : DBT, Parquet - Docker

Ellisphere est un acteur majeur de l'information financière B2B. 💡 Projet: - Modernisation et amélioration du modèle de prédiction de faillite des entreprises françaises, élément central de l'offre Ellisphere, et développement de solutions de scoring personnalisé (credit scoring, fraud detection) pour les clients grands comptes. 🎯 Objectifs : - Machine Learning & Model Improvement : Mettre à jour le modèle de prédiction de faillite avec des techniques additionnelles de machine learning (XGBoost, embeddings) - Custom Scoring Solutions : Développer des offres personnalisées de scoring de crédit et de détection de fraude pour des clients grands comptes 📊 Réalisations : - Réentrainement du modèle de scoring : Migration de Random Forest vers XGBoost, intégration d'embeddings de catégories, amélioration des indicateurs financiers en collaboration avec les experts analystes financiers → Gain de 6% des performances ROC globalement avec maintien des performances sur tous les segments - Score personnalisé de risque de crédit : Création d'un score personnalisé de risque de crédit financier pour une institution de prêt → Augmentation de 7% du volume de prêts accordés (par rapport au modèle par défaut) sur le segment cœur tout en maintenant le même niveau de risque d'exposition et les mêmes niveaux de vérifications humaines - Score de détection de fraude B2B : Livraison d'un premier score de détection de fraude B2B pour une grande entreprise de télécommunications → Réduction de 20% de la perte financière annuelle (200 000 €) en maintenant les mêmes niveaux de vérification manuels - Déduplication de base de données : Déduplication de la base des dirigeants et actionnaires d'entreprises utilisée pour la compliance bancaire → 48% des dirigeants fusionnés 🛠 Stack technique : - Python (pandas, scikit-learn, XGBoost, pySpark) - REST API (Flask) - Elasticsearch/Logstash/Kibana (ELK) - Cassandra, Neo4j

- Audit interne sur les apports de la data auprès des métiers - Développement d'un logiciel Python d'attribution optimale de ressources - Développement d'une web API Python/Flask utilisant le machine learning afin d'analyser des scans de documents administratifs reçus via fax. - Développement d'outils d'automatisation de tâches destinés à du personnel non IT. - Mise en place d'une architecture de suivi de métrique utilisant le machine learning pour identifier des anomalies.

Doctorat au sein d'une collaboration internationale au CERN (Collaboration ATLAS). Elu au collège doctoral de l'Université Paris Saclay (instance dirigeant la politique doctorale de l'université) Tâches effectuées : - Développement de framework C++/ROOT/Python pour optimisation et automatisation de tâches récurrentes. - Développement de logiciels C++/ROOT de correction de données, d'évaluation d'incertitudes et construction de modèles mathématiques. - Reporting mensuels auprès de la collaboration. - Présentations lors de conférences nationales et internationales. - Enseignement expérimental et théorique à l'Université Paris Sud en première année de physique et médecine. - Encadrement d'étudiants de licence et master, et de doctorants sur des projets de recherche. Contenu scientifique : - Étalonnage du calorimètre électromagnétique de l'expérience ATLAS utilisant le boson Z. - Propagation des incertitudes de calibration sur la forme du signal du boson de Higgs dans son canal diphoton. - Développement d'un modèle statistique permettant la mesure des couplages du boson de Higgs dans son canal diphoton.