Thibault Clement

Sentinel - Observatoire automatisé du marché de l’emploi Data • Conception d’une plateforme data end-to-end historisant et analysant 160 000+ offres d’emploi issues de plusieurs sources françaises • Développement de pipelines PySpark / Delta Lake / dbt / DuckDB / PostgreSQL, orchestrés sous Airflow et conteneurisés avec Docker • Mise en place d’une architecture Bronze / Silver / Gold, avec traitements incrémentaux, idempotence, historisation et contrôles qualité • Développement d’un moteur de classification sémantique basé sur des embeddings BGE-M3 (1 024 dimensions) pour filtrer automatiquement les offres réellement Data • Entraînement et évaluation de modèles supervisés de classification, avec une première baseline atteignant ~0,95 de ROC-AUC • Normalisation et enrichissement des offres : métiers, compétences, technologies, contrats, salaires, localisation, télétravail et séniorité • Industrialisation de la chaîne avec 160+ tests automatisés et contrôles de reproductibilité

Récupération et fiabilisation des historiques de production d’actifs renouvelables • Industrialisation d’un pipeline PySpark / Airflow / AWS consolidant jusqu’à 20 ans d’historique de production pour plus de 500 parcs éoliens et solaires en France • Intégration et normalisation de données hétérogènes de production, capacité et indicateurs de référence énergétique afin de constituer un historique exploitable pour des usages analytiques et assurantiels • Développement de contrôles automatisés de qualité des séries temporelles : détection d’anomalies, incohérences, doublons et données manquantes • Mise en place de contrôles croisés entre productions déclarées et documents OCRisés afin de fiabiliser les historiques et d’identifier les écarts • Automatisation de l’exploration documentaire d’une GED via Microsoft Graph API pour retrouver et rattacher les documents nécessaires aux contrôles • Développement de tableaux de bord de suivi qualité sous Power BI / Flask • Optimisation et industrialisation du pipeline pour alimenter de manière fiable des travaux de modélisation assurantielle et prédictive

Modélisation du poids économique des filières maritimes et touristiques • Développement en Python / SQL d’une méthodologie de classification de plus d’1 million d’établissements, combinant NLP, données SIRENE et règles sectorielles • Identification et segmentation de 19 000 établissements représentant 57 000 emplois directs et 12 Md€ de chiffre d’affaires en Nouvelle-Aquitaine • Modélisation du chiffre d’affaires et de la valeur ajoutée à partir de données d’emploi et d’activité, notamment URSSAF et MSA • Déploiement de la méthodologie sur plusieurs régions : Nouvelle-Aquitaine puis Occitanie Évaluation des trajectoires des exploitations agricoles bretonnes • Consolidation et appariement des données FEADER avec les recensements agricoles 2010 et 2020 dans un environnement sécurisé CASD • Sélection et traitement d’environ 50 variables parmi plus de 10 000 variables disponibles dans le recensement agricole • Construction d’un quasi-panel et analyses statistiques / semi-contrefactuelles portant sur 12 000 exploitations et 25 000 dispositifs d’aide • Évaluation de 429 M€ d’aides publiques et mesure des effets des dispositifs sur les trajectoires des exploitations bénéficiaires et non bénéficiaires Conception d’un SI national sur les entreprises françaises • Développement d’un entrepôt multi-sources actualisé mensuellement à partir de SIRENE, BODACC et RNCS • Traitement de référentiels à grande échelle : SIRENE (25 M d’entreprises / 36 M d’établissements), BODACC (16 M d’entreprises) et RNCS (8,5 M) • Consolidation de données d’activité, d’emploi, de géolocalisation et de données financières sous Python / SQL • Développement et optimisation d’un algorithme d’appariement par raison sociale, avec un temps de traitement divisé par 4 grâce à l’optimisation et à la parallélisation

Missions pour CDC Habitat • Migration et industrialisation du reporting de Hummingbird BI vers QlikView pour un SI immobilier couvrant plus de 110 000 logements • Conception et mise en production de tableaux de bord métiers : patrimoine, achats, ventes, CRM • Développement et maintenance évolutive dans le cadre du programme « Trajectoire 2022 » de centralisation et mutualisation du SI • Fiabilisation des traitements BI, gestion des incidents, documentation et versioning Git Mission pour EFIDIS - Responsable applicatif • Supervision des refresh mensuels et qualification des données de reporting • Maintenance applicative et résolution d’incidents sous SAP BusinessObjects

Évaluation des préférences de l’ambulatoire pour le cancer de l’endomètre • Construction du plan d’étude d’un DCE (méthode des choix discrets) • Analyse de données pilote (logit, variables latentes)

Analyse de métriques de santé chez des patients souffrant de lymphœdème • Analyse des mesures de bien-être (ICECAP, EQ-5D-5L) • Analyse par ACP et AFD sous R