Yacine Sahki

Pilotage du déploiement mondial du Marketing Mix Modeling chez Sephora sur 5 marchés internationaux en 2026, dans le cadre d'une stratégie pluriannuelle visant à déployer les capacités de mesure marketing à l'échelle du groupe.

Structuration de la practice Data & AI de la direction commerciale France et delivery de modèles ML à fort impact business. Déploiement d'un framework méthodologique end-to-end couvrant l'ensemble du cycle de vie des projets data science — adopté comme standard par toutes les équipes. Mise en place d'un référentiel de documentation technique unifié. Recommandations d'architecture, audit de code et pilotage Agile des workflows multi-intervenants. Segmentation & Stratégie Commerciale — Oncologie Segmentation des établissements hospitaliers français par clustering non supervisé pour soutenir le lancement d'un anticancéreux en hématologie — identification de 6 segments stratégiques et modèle de scoring A/B/C pour la priorisation des visites terrain et l'optimisation de l'allocation des ressources commerciales. Parts de Marché & Positionnement Concurrentiel — Ophtalmologie Développement d'un modèle d'allocation épidémiologique pour ventiler les ventes sur 3 pathologies (DMLA, OMD, OVR) et reconstituer les parts de marché par indication dans un secteur où les données de prescription sont réglementées. Livraison d'un dashboard d'analyse concurrentielle pour les équipes métiers.

Définition de la vision et de la roadmap Data & AI du département Digital Marketing — identification des opportunités business, priorisation des cas d'usage et pilotage de la livraison jusqu'à la mise en production. Animation d'ateliers de cadrage avec l'ensemble des pôles du Digital Marketing pour cartographier les enjeux business et révéler les opportunités data & IA inexploitées. Construction d'un portefeuille de 15 cas d'usage priorisés selon un cadre valeur business / complexité d'implémentation — arbitré en comité de direction Digital Marketing. 7 produits data livrés Mesure & allocation media : Media Mix Modeling propriétaire — décision stratégique en anticipation de la fin des cookies tiers et de l'obsolescence des solutions d'attribution du marché. Connaissance client : segmentation des clients selon leurs raisons de voyage, modélisation de l'intention d'achat, Customer Lifetime Value, prédiction du churn. Personnalisation : activation de la segmentation voyageurs pour le ciblage comportemental des communications email & push en temps réel — déployé sur l'ensemble de la base clients. Fiabilité des données : tableau de bord de monitoring automatisé de la qualité des données à grande échelle.

Cabinet de conseil Data & IA — pilotage de projets au forfait sur des problématiques analytiques et ML pour des grands comptes exigeants en luxe, retail et tourisme. Chanel — Modélisation des ventes post-pandémiques à horizon N+1 pour anticiper la reprise commerciale et sécuriser les décisions d'allocation budgétaire. Nespresso — Développement d'un modèle de prédiction d'attrition client déployé dans 19 pays, au service des stratégies de fidélisation à l'échelle internationale. LVMH — Audit de la qualité des données des maisons Sephora et Givenchy avec automatisation du processus pour un déploiement unifié à l'ensemble du groupe. Private Sport Shop — Analyse exploratoire des comportements clients, modélisation de l'intention d'achat à partir des données de navigation et estimation du chiffre d'affaires prévisionnel par segment à partir des données transactionnelles. Pierre & Vacances Group — Optimisation des investissements Display et SEA par modélisation de l'intention d'achat des visiteurs du site Web et formation Python dispensée aux équipes Data Analysts. Hublot — Segmentation client et recommandations stratégiques pour le top management à partir de l'analyse des comportements et insights clients. Stack : Python · Scikit-learn · XGBoost · TensorFlow · Keras · SQL · GCP · BigQuery · Azure · Power BI · Google Analytics

TotalEnergies — Branche Raffinage & Pétrochimie Développement et déploiement de modèles de régression pour la prédiction des flux logistiques critiques : heure d'arrivée des expéditions, durée d'immobilisation sur sites et rotation des wagons. Modèles intégrés directement dans la gestion opérationnelle quotidienne des matières premières. Stack : Python · Scikit-learn · SQL · Azure · Power BI Capgemini Group Innovation Lab Participation aux travaux de R&D du laboratoire d'innovation groupe sur des problématiques Deep Learning et NLP. Développement d'un algorithme d'anonymisation de données basé sur une architecture LSTM pour assurer la conformité RGPD des clients du Groupe. Stack : Python · TensorFlow · Keras · spaCy · Azure · Git