Emma D.

De nombreux sites industriels collectent des informations (qualité, production, marketing, r&d, maintenance, rh) sans les exploiter pleinement. DAgroCoStat vous accompagne dans la valorisation de ces données pour optimiser votre temps, vos coûts et vos rendements. Mon parcours d'Ingénieure Agroalimentaire, avec une expérience opérationnelle en laiterie et biscuiterie, allié à mon expertise en Data Science, me permet de comprendre précisément les enjeux de vos lignes de production et de traduire vos besoins en solutions analytiques concrètes. Mon intervention vise à fournir des outils pragmatiques qui s'intègrent naturellement dans votre quotidien de responsable, d'ingénieur, de chef de mission, de coordinateur ou de technicien.

Contexte : Au sein du centre Sensory & Consumer, j'ai mobilisé ma double compétence d'Ingénieure Agroalimentaire et de Data Scientist pour optimiser l'exploitation des données issues d'études consommateurs et d'analyses sensorielles. Mon objectif : Créer des outils technologiques sur mesure pour faciliter le quotidien des techniciens d'analyses sensorielles 🔹 Mission 1 – Automatisation des processus métiers Développement d’une interface logicielle Shiny visant à générer automatiquement des rapports de synthèse complexes au format Word et PDF (contenant texte, tableaux, graphiques, images) pour faire gagner du temps aux équipes opérationnelles - Traduction du cahier des charges client en spécifications techniques via des entretiens utilisateurs - Développement, amélioration et déploiement de l’application R Shiny sur AWS - Optimisation de l'expérience utilisateur (UX) : simplification de l’interface, alertes visuelles et feedback - Sécurisation du code via la mise en place du versioning (Git) et rédaction de la documentation utilisateur 🔹 Mission 2 – IA Générative appliquée à la Sensométrie Étude exploratoire sur l'utilisation des LLM et de l'analyse de données textuelles pour décrypter les retours (verbatims) consommateurs et orienter la formulation des produits - Constitution d'une base de données métier et veille scientifique sur l'annotation de données textuelles - Développement de scripts Python (Google Colab) pour évaluer et comparer différents LLMs (OpenAI, Google Generative AI) - Création de requêtes avancées (prompt engineering) adaptées au vocabulaire spécifique de l'industrie agroalimentaire - Évaluation des performances via des métriques NLP et rédaction d'un rapport de synthèse pour contribuer aux processus décisionnels (POC) 🛠️ Stack technique : R, Shiny, Python, Git, OpenAI, Google Generative AI, Google Colab, AWS, Traitement Automatique du Langage Naturel (TALN / NLP)

Contexte : Immersion au cœur des exigences de conformité internationales d'une biscuiterie. Dans ce rôle opérationnel, j'ai adopté une approche "data-driven" pour optimiser la gestion de la qualité et sécuriser les approvisionnements matières premières, démontrant ma capacité à concevoir et mettre en œuvre des indicateurs opérationnels fiables. 🔹 Mission principale : Digitalisation et automatisation de l'évaluation des risques liés aux fournisseurs et aux matières premières Au lieu de maintenir une gestion documentaire classique, j'ai développé des outils interactifs sur mesure visant à automatiser l'analyse des risques (fraude, allergènes, contaminants, pesticides) et à faire gagner un temps précieux aux équipes Qualité. Réalisations clés : - Structuration et gestion de bases de données Qualité: Amélioration de la traçabilité des matières premières pour fluidifier les audits internes et garantir la conformité - Conception d'outils d'aide à la décision : Développement de fichiers Excel interactifs modélisant des arbres de décision automatisés pour évaluer les risques fournisseurs selon les critères stricts de la norme IFS - Analyse et prévention de la fraude : Développement d'un outil spécifique d'évaluation du risque d'authenticité et de vulnérabilité des matières premières - Mise en conformité réglementaire : Création de questionnaires fournisseurs, matières premières et emballages intégrant les dernières exigences réglementaires européennes 🛠️ Compétences mobilisées : Gestion documentaire de la Qualité, Normes IFS, Réglementation européenne, Analyse des risques (HACCP, Fraude), Structuration de données, Modélisation (Arbres de décision), Excel avancé

🔹️Mission principale - Participation à un projet d’amélioration des pratiques d’hygiène et du flux de circulation dans la laiterie, incluant audits qualité, analyse de risques et animation de la démarche d’amélioration continue. Actions clés : • Réalisation d’audits internes et participation à l’audit IFS Food V7 • Création d’affiches de non-conformités destinées aux opérateurs : explication des écarts, risques associés et bonnes pratiques à adopter • Participation aux réunions de gestion de projet : brainstorming, cadrage, définition des problématiques, livrables, jalons, QQOQCCP, planning Gantt • Analyse du flux de circulation : observations terrain, enquêtes auprès des équipes opérationnelles, identification des zones critiques • Conception d’une matrice d’évaluation du niveau de risque liée aux flux de circulation • Prise de contact avec des prestataires externes, demandes de devis, analyse des propositions et comparaison des solutions • Communication et collaboration avec les équipes terrain pour assurer la compréhension et l’appropriation des recommandations Outils & méthodes : Audits internes / IFS Food V7 / QQOQCCP / Gantt / Analyse de risques / Communication terrain / Gestion de projet / Pack Office

Objectifs du stage : • Découverte de l'organisation et du fonctionnement d'une exploitation agricole • Comprendre le fonctionnement d'une exploitation agricole • S'intéresser aux particularités du monde agricole de la région et du pays où se situe l'exploitation • Etudier les relations production - transformation - commercialisation Activités confiées : • Astreinte au niveau des poules pondeuses bio (cheptel de 900 poules) : ramasser, trier, calibrer les oeufs; nourrir les poules • Vente • Travaux agricoles • Animations au niveau de la ferme pédagogique