Nadir ABDOU

– Lead du projet OCR (automatisation de la validation des justificatifs clients) : – Gestion complète du projet OCR, de la conception à la maintenance. – Supervision du développement et du déploiement des modèles d'OCR. – Mise en place de pipelines automatisées pour l'ingestion des données, et intégration dans des tableaux de bord Power BI pour le suivi des performances. – Animation de la DataFamily et diffusion des bonnes pratiques : – Organisation de sessions de formation sur Azure Databricks, MLflow et ML Registry. Animation de workshops techniques sur la modélisation de solutions OCR et partage des bonnes pratiques avec les équipes métiers. – Organisation de Hackathons interne : Préparation des datasets et de la documentation technique pour les Hackathons, avec des solutions prototypes pour guider les participants. Animation des événements pour maximiser l'innovation et l'engagement des équipes – Participation aux sprints design pour l'amélioration du parcours de souscription : – Participation aux sprints design pour intégrer des technologies d'IA visant à améliorer le parcours de souscription. Collaboration avec les équipes UX, produits et data pour optimiser l'expérience utilisateur et réduire les points de friction. – Test des modèles LLM (AXA Secure GPT) : – Responsable des tests et benchmarks des modèles AXA Secure GPT en les comparant aux modèles ML et NLP existants, tels que BERT et CamemBERT. – Évaluation des performances et validation des résultats pour s'assurer que ces modèles LLM surpassent les solutions actuelles. – Mise en place de POC (Proof of Concept) d'IA générative, avec des démonstrations aux équipes métier pour montrer la faisabilité et les excellentes performances obtenues en utilisant ces solutions d'IA avancée. – Rationalisation et vision stratégique des cas d'usages Data IA : – Rationalisation de la vision des cas d'usages Data et IA existants pour construire un portefeuille consolidé, permettant une gestion stratégique optimisée. – Consolidation d'une vision globale des cas d'usages en intégrant des benchmarks externes et des analyses SWOT afin de prioriser et de maximiser l'impact des initiatives Data IA. – Récompense et distinction : – Lauréat du Prix du Projet le plus innovant chez AXA pour le projet OCR, après avoir piché le projet lors du Challenge Innovation AXA et contribué à sa sélection. – Technologies utilisées : Streamlit, Spark, Pyspark, Kedro, Mlflow, Ml Registry, Scikit-learn, LLM, GPT, Azure Databricks, Azure Devops

– Analyse et catégorisation des enquêtes clients : – Interface avec les équipes métiers de la direction Expérience client et recueil du besoin – Réalisation d'analyses statistiques sur les notes des enquêtes de satisfaction pour identifier les tendances globales. – Développement et déploiement de modèles de machine learning et NLP (XGBoost, BERT, CamemBERT), avec fine-tuning, combiné à des techniques de clustering pour prédire les motifs d'insatisfaction à partir des commentaires libres. – Intégration des résultats dans des dashboards interactifs pour faciliter la prise de décision – Planification et déclenchement des traitements. – Migration des projets Data Science vers Azure et implémentation des bonnes pratiques MLOps : – Migration des projets vers Azure, avec réentraînement des modèles et intégration des pratiques MLOps pour automatiser le réentraînement et assurer un déploiement fluide en production. – Analyse de corrélation satisfaction/KPIs business : – Étude de la relation entre les indicateurs de satisfaction (NPS) et les KPIs business (résiliation, conversion). – Utilisation de modèles de machine learning pour quantifier l'impact du NPS sur la résiliation et estimer des gains financiers. – Modélisation du churn pour la rétention client : – Implémentation d'un modèle prédictif de churn (score de fragilité) pour estimer la probabilité de résiliation des clients, appliqué aux assurances automobiles. Ce modèle est utilisé pour rediriger les flux entrants selon ce score et cibler les clients à risque via des appels sortants (lois Châtelet et Hamon). – Collaboration avec les équipes téléphonie et opération pour optimiser le traitement des flux. – Mise en place de dashboards de suivi du score et ajustement des seuils avec les équipes hypervision. – Travail sur le Data Lake pour la récupération, transformation et validation des données nécessaires à la création des features. – Implémentation de stratégies d'A/B testing pour évaluer l'impact des modèles de churn sur la rétention client, suivi des gains financiers et ajustement des stratégies en fonction des KPIs business – Technologies utilisées : Python, Spark, Scala, Spark Scala, TensorFlow, Azure Databricks, Mlflow, Xgboost, Catboost, PowerBI, Scikit-learn, Pandas, Matplotlib, Jupyter, Bert, Camembert, Microsoft Azure Cloud, Azure DevOps.