Laure Decaudin

CDecaux est un leader mondial de la publicité extérieure (OOH/DOOH). Mon rôle : améliorer les agents IA en production et explorer les autres solutions IA à mettre en place chez JCDecaux. 🔹 Maestro – Assistant interne RAG - Amélioration de « Maestro », assistant RAG connecté à SharePoint : ajout d’un parsing documentaire avancé (Docling), ingestion, requêtage et qualité des réponses. - Stack : PostgreSQL + pgvector, Microsoft Foundry, Dify, FastAPI, AWS, Langfuse. 🔹 Étude agentique pour l’AdTech (achat/vente d’espaces) - Étude de solutions agentiques pour l’achat / vente d’espaces : comparaison d’approches AdCP vs IAB Lab sur l’automatisation et l’orchestration. - Recommandations produit sur les cas d’usage à fort impact et le positionnement dans la stack AdTech. 🔹 Choix technos IA (RAG interne sécurisé & agents) - Benchmark de solutions RAG / agents : Glean, Prisme.ai, AWS Bedrock, Microsoft Foundry, LangChain / LangGraph. - Analyse sécurité, gouvernance, intégration SI et synthèse d’une architecture cible RAG + agentique.

EODev développe et industrialise des solutions énergétiques durables, fiables et accessibles. Mon objectif est de renforcer la fiabilité de ces solutions en valorisant les données collectées. Réalisations : 🧠 Créé un pipeline d’analyse réglementaire automatisée avec LLMs (Azure Foundry, RAG, Qdrant) : via upload d’un document légal → analyse applicabilité, articles pertinents & conformité. → Développé en parallèle un agent Microsoft Copilot no-code comme baseline comparative. 🌟 Développé le premier produit de Data Science en production sur Microsoft Fabric, prédisant l’épuisement des stocks d’hydrogène (tests unitaires & perf, gestion automatique des logs, bonnes pratiques data science). ⚡ Conçu une architecture optimisée avec Polars, Sktime et Delta, atteignant <1 min de traitement pour 1000 groupes électro-hydrogènes. 📊 Mis en place un monitoring temps réel de la stabilité des signaux avec Power BI et alertes automatisées, permettant aux équipes SAV de réagir immédiatement aux anomalies.

Chez BearingPoint Products, mon équipe accompagne les maisons d’édition et les acteurs de la presse écrite dans l’optimisation de la distribution physique en points de vente. Nous travaillons à réduire les invendus et les ruptures de stock en librairies et kiosques, tout en améliorant la prévision des quantités à livrer selon les ventes potentielles. Réalisations : 📈 Amélioration de la prévision de distribution des journaux, réduisant efficacement les invendus et les ruptures de stock pour chaque client. 📚 Création des modèles de prévision de ventes de livres pour Media Control, anticipant les performances dès leur sortie. 🚀 Déploiement du modèle de prévision de ventes de Livres via DAGs Airflow sur Astronomer et AWS, assurant une stabilité et une maintenabilité optimales du pipeline de données. 🧠 Déploiement d'une base de données vectorielle Qdrant pour recherche de similarités entre livres, développement d'un Agent IA capable de construire une biographie d'auteurs et de générer un score de popularité

J'ai eu la chance de faire partie intégrante des équipes de Doxcelerate pendant 6 mois. J'ai donc pu réaliser de nombreux projets en adéquation avec leurs besoins : - Envoi de mail avec Node.js, configuration de Postfix afin de rediriger tous les mails reçus vers Outlook. - Développement d'une interface de test d'une application web. Utilisation de Cucumber en Ruby, Selenium et Chrome pour automatiser les différents tests et créer des scénarios. Et de Node.js et Express pour créer l'interface. - Développement de Rapports Graphiques grâce à D3.js et manipulation de JSON. - Parsing de documents Word afin de créer des HTML, utilisation de Nokogiri en Ruby et développement sous Windows 10.