Goua Henri

PROBLÉMATIQUE Exploiter des documents stratégiques longs (400+ pages), souvent sous-utilisés et difficiles à interroger avec des approches IA classiques (fiabilité limitée, faible traçabilité). Idée centrale Mesurer l’impact de chaque brique du RAG (OCR, chunking, embeddings, index, rerankers, LLM) sur la qualité de la réponse et recommander la meilleure combinaison. Mes contributions • Architecture RAG avancée, native à la structure documentaire et adaptée aux contenus hétérogènes. • Pipeline “intelligent” : extraction auto des sommaires, enrichissement contextuel hiérarchique, résumés de sections. • Benchmark systématique : >150 configurations testées, avec traçabilité complète (config → sources → métriques). • Cadre d’évaluation reproductible : RAGAS, LLM-as-a-Judge, Recall@k, SAP, suivi du coût et de la latence. • Reco “best-combo-per-doc” : politiques par classe de pages (tableaux financiers, indicateurs RSE, narratif, annexes). Stack technique Python, LangChain, Azure OCR, Pymupdf, ChromaDB/FAISS, Streamlit… Impact & perspectives • Accès plus rapide à l’info clé (minutes/heures → secondes selon cas d’usage). • Moins d’erreurs et citations sourcées sur pages/tables complexes, meilleure couverture des réponses. • Aide à la conformité et aux revues (traçabilité section/page, références explicites). • Méthodologie transférable : cadre robuste, reproductible et industrialisable pour intégrer l’IA générative dans les processus métier.

Mission stratégique environnementale pour la Ville de Paris OBJECTIF Identifier les entreprises/secteurs propriétaires des flottes les plus polluantes pour cibler les politiques de mobilité durable et améliorer la qualité de l'air parisien PIPELINE DATA SCIENCE COMPLET - Croisement multi-sources : caméras de voirie, SIV (Système d'Immatriculation), SIRENE - Engineering de features pollution : score composite (norme EURO, Crit'Air, âge, motorisation) - Nettoyage et enrichissement de datasets complexes administrations publiques MÉTHODOLOGIE & INSIGHTS - Clustering entreprises par profils d'émissions homogènes - Agrégation multi-niveaux : véhicule → entreprise → secteur d'activité - Segmentation géographique et sectorielle des impacts environnementaux OUTILS & TECHNOLOGIES Python, Clustering (K-means, DBSCAN), DigDash (dashboard interactif), Analyse exploratoire IMPACT POLITIQUE PUBLIQUE - Identification secteurs prioritaires pour futures mesures environnementales - Ciblage précis : campagnes de sensibilisation, incitations au renouvellement de flotte - Aide à la décision pour priorisation des ZFE (Zones à Faibles Émissions) Data Science au service de l'environnement et des politiques publiques durables