Nicolas Maurer

• Concevoir, entraîner et valider des modèles d’apprentissage automatique appliqués aux systèmes de freinage (amélioration des simulations, optimisation des processus et des performances, etc.). • Travailler en étroite collaboration avec les différentes fonctions d’ingénierie pour comprendre les besoins et intégrer les solutions d’IA dans les fux de travail. • Collecter, prétraiter et analyser de grands ensembles de données issus des simulations, bancs d’essai et télémétries de véhicules. • Collaborer avec les ingénieurs logiciels et systèmes pour déployer les modèles ML dans les outils d’ingénierie. • Optimiser les performances des modèles et garantir leur robustesse dans des conditions réelles. Préparer la documentation technique et soutenir les processus de gouvernance de l’IA.

• Conçu un système d’IA générative multi-agents pour assister les prévisionnistes dans l’exploration de données liées à la supply chain. • Déployé une solution complète avec un frontend Streamlit et un backend PostgreSQL, hébergée sur Azure Databricks. • Développé des modèles de prévision de la demande à court terme (horizon de 5 semaines), en exploitant à la fois des données internes (historiques des commandes, stocks, prix...) et externes (données concurrentielles, tendances du marché européen, etc.). • Optimisé le feature engineering sur des jeux de données contenant plusieurs millions de lignes via PySpark, réduisant le temps de traitement de 11 heures à 15 minutes. • Amélioré la précision des modèles de 30 % grâce à un travail approfondi de feature engineering et à une optimisation de la qualité des données. • Actualisé les modèles de détection de ruptures de stock avec une nouvelle stratégie de priorisation, alignée sur les objectifs métier. • Industrialisé les modèles via Azure Data Factory (pipelines automatisés) et MLflow (versioning, traçabilité, suivi des performances).