Philippe Neveux

J'aide mes clients à partir d'un problème métier jusqu'à la mise en oeuvre et le déploiement de produits IA pour résoudre leurs problématiques. Je travaille main dans la main avec les équipes métiers et techniques pour concevoir des produits et plateformes qui soient en accord avec leurs besoins stratégiques et opérationnels. En plus de concevoir des produits IA personnalisés, j'ai animé une 15aine de formations sur des sujets techniques (Data Science, ML Engineer) et conçu une formation à destination de 3000 managers (Vis ma Vie de Data Scientist) d'un grand groupe français multi-sectoriels. En interne - DevOps : Déploiement et mise en place d'une plateforme accueillant une 30aine de prototypes (assets internes, démonstrateurs d'avant-vente, etc) - Management de carrière : Accompagnement des collaborateurs dans leur évolution au sein de Capgemini Invent (mentoring, montée en compétences, définition et atteinte d'objectifs, etc). - Formation Trustworthy AI : Responsable formation et pilotage de la montée en compétences de 300 collaborateurs (tous les profils data) sur l'IA de Confiance. Responsable du design et des contenus des formations IA de Confiance (5 parcours, 8 modules).

Mise en production d'une 10aine cas d'usage ML après avoir développé la plateforme MLOps (Databricks, Github, Airflow, TeamCity, Terraform) utilisée par plus de 30 data scientists (IA prédictive & Gen AI). Migration et centralisation des cas d'usages dans la plateforme à destination de toutes les régions du groupe (Europe, USA). Aide stratégique et opérationnel du Lead ML Engineer en challengeant les choix d'architecture et de process de développement et de déploiement de la plateforme. Lead Tech sur des cas d'usage Data Science assurant la montée en compétence des collaborateurs délivrant les projets et la qualité des livrables rendus (équipes internationales incluant des consultants indiens). Exemples de cas d'usage traités (Série Temporelles, NLP, Marketing) : - Maintenance prédictive de bras robotisés en usine (Palantir Foundry) - Prédiction de délais de livraison / sur-stock - Classification automatique de déclarations de pannes clients - Scoring marketing

Construction d'une méthodologie d'audit de fiabilité de cas d'usage IA, ses 100 points de contrôle et audits de plusieurs cas d'usage pilote. Cette initiative avait pour objectif d'identifier les pain points des cas d'usage et proposer des recommendations pour les améliorer suivant les thématiques suivantes: - Responsabilité - Performance - Robustesse - Explicabilité - Equité - Cycle de vie des modèles

Mise en production de 2 modèles de scoring d'octroi de crédit sur Azure (Azure ML, Azure DevOps, blob storage, AKS). Ces modèles accordent, ou non, 10 000 crédits par semaine (micro-credit). Les challenges de cette mission étaient aussi bien scientifiques (prédire le défaut de crédit) ainsi que technique avec la mise en place d'une infrastructure MlOps pour permettre au produit d'évoluer (cycle de vie des modèles, monitoring, etc).

Data Science: Aide des équipes marketing du groupe pour cibler (appétence et churn client) plus efficacement leurs campagnes marketing à l'aide modèles de scoring (Machine Learning, classification binaire) ML Engineer: Mise en production des cas d'usage sur une stack AWS custom: Mlflow, Airflow, EC2, S3, airflow, Grafana, Jenkins

Formateur SQL sur PostegreSQL afin de préparer au mieux les promotions de la Yotta Academy au métier de Machine Learning Engineer.

Mon objectif chez Primagaz était de proposer de nouveaux sujets Data Science (automatisation de process, etude statistiques, …) dans l'équipe Customer Insight & Analytics et de concevoir des solutions data de pilotage pour les différentes équipes de la direction. J'ai pu travailler sur des projets data tels que : - Création d'un Dashboard dynamique (Power BI) mettant en avant l'activité du porte-feuille client. - Fiabilisation d'un flux de données complexe (SQL Server, Mongo DB). - Classification d’emails de commentaires clients (score NPS), algorithme de machine learning sur des données textuelles.

Stage en université dans un laboratoire de recherche en Russie. Le stage a pour objectif de prédire les caractéristiques (age, sexe, catégorie socio professionnel, ...) d'une personne en ayant à disposition un texte, un formulaire, écrite par cette personne. Les compétences de Machine Learning et de Text Mining ont été nécessaires pour ce stage.

Stage de développement web. Ce stage consistait au développement de la plateforme web juridique de la start-up Legafrik. J'ai, pendant ce stage, aidé à la cohérence et à l'enrichissement de la plateforme. Des compétences en AngularJS (framework Javascript) et en Symfony (framework PHP) on été requis pour ce stage. À la fin de mon stage j'ai reçu une lettre de recommandation de la part du président de la plateforme.