Youssef Saidi

Contexte Projet de digitalisation d’un outil immobilier avec un fort enjeu métier (gestion immobilière), financier, data et SI. Objectif Concevoir et piloter l’ensemble de la dimension technique & data, assurer la cohérence métier produit et coordonner le développement de la plateforme web via un éditeur externe. Missions • Pilotage & management – Recueil, formalisation et vulgarisation des besoins métiers (immobilier, finance, juridique). – Rédaction du cahier des charges (fonctionnel & technique). – Pilotage des échanges avec l’éditeur (spécifications, arbitrages, livraison, QA). – Animation de la roadmap, gestion des priorités, comités de suivi, MOE / métiers. – Documentation fonctionnelle et technique. • Data & Architecture – Mise en place d’une architecture technique & data pour la plateforme. – Modélisation des données immobilières et financières (schémas BD, tables, colonnes, relations). – Définition du data model (structures, référentiels, identifiants, qualité). – Conception des interfaces d’échange (API, imports/exports, intégrations SI internes). – Encadrement de la gouvernance de la donnée (qualité, contrôles, standards). – Modélisation des données (parc immobilier, flux financiers, contrats, référentiels). – Conception et supervision des pipelines ETL et contrôles qualité. • IA & Extraction documentaire – Pilotage d’une solution IA pour extraire des données depuis des PDF critiques : juridique (baux, avenants), DPE, audits techniques, plans, plans de masse, etc. – Analyse des cas d’usage + cahier des charges IA + validation des patterns d’extraction. – Intégration des données extraites dans le data model de la plateforme. Enjeux clés • Alignement métier data produit éditeur. • Structuration du patrimoine immobilier/financier via un modèle unifié. • Industrialisation de la donnée (modélisation, gouvernance, intégrations, IA). Environnement : Python, SQL, Data Modelling (tables/colonnes/relations), ETL, API, UML, Architecture data/technique, Extraction PDF/IA, Gestion de projet, MOE/MOA, Immobilier & Finance.

Représentant au Conseil de CY Tech

Contexte Développement d’un assistant virtuel intelligent destiné aux courtiers de RMA Assurance. Objectif Réduire le temps de recherche dans des centaines de PDF & créer rapidement des offres personnalisées sans support. Enjeux Productivité commerciale, UX, autonomie des courtiers, cycle de vente accéléré. Organisation Projet en autonomie complète, approche MVP/itérative avec retours réguliers du client. Missions • Pilotage – Pilotage du projet en autonomie complète, de la conception à la mise en production. – Recueil des besoins client, itérations MVP. – Documentation technique & fonctionnelle. • Développement back-end – Vectorisation de 100+ PDF via ChromaDB. – Graphe relationnel (GraphML) pour améliorer le raisonnement et pointer les documents pertinents. – Moteur conversationnel basé sur LangChain + OpenAI. – Backend Python (Flask) centralisant les traitements. • Déploiement & intégration – Docker pour la conteneurisation puis Postman. – Widget JavaScript intégrable via simple balise sur le site de l’assureur. Résultats • +35 % de productivité (retour client). • Réduction massive du temps de recherche documentaire. • Offres plus personnalisées. Environnement : Python, JavaScript, HTML/CSS, Docker, OpenAI API, ChromaDB, NetworkX, GraphML, LangChain, MCP — Assurance, NLP, recherche sémantique, gestion documentaire.

Contexte Intégration à l’équipe Forex Sales au sein de la salle de marché de Société Générale Corporate Investment Banking, avec pour mission de mettre la donnée au service de l’activité commerciale. Objectif Concevoir/déployer des outils exploitant données clients & trading pour anticiper les tendances, optimiser la productivité des sales et générer des opportunités de revenus. Missions • Management & pilotage – Formations utilisateurs sur les dashboards ; accompagnement dans la prise en main. – Documentation fonctionnelle & technique (création/mises à jour). – Revues de code : qualité/maintenabilité. – Ateliers avec les sales : qualification des besoins, ajustements rapides. • Développement & Data Engineering – APIs en Python (Django, FastAPI). – Traitements parallèles/multithreads pour accélérer extraction et génération de reportings. – Connexions Oracle/PostgreSQL & intégration d’APIs externes. – Tests unitaires/intégration (Pytest, PyUnit). – Pipeline ETL : Création d’un pipeline complète pour l’extraction, la transformation et le chargement des données. – Réécriture & industrialisation des dashboards existants, initialement sous forme de notebooks, en scripts Python dans le pipeline, avec logging et contrôles de qualité. – Réécriture de script VBA en script Python. • Data Science – Analyses statistiques avancées (Scikit-learn, XGBoost) : tendances volumes/comportements clients. – Modèles prédictifs : anticipation de comportements, détection de baisses d’activité. – Dashboards analytiques & alertes automatisées pour la prise de décision. Résultats clés • -50 % sur le temps d’extraction de données. • +15 h/sem. économisées via pipeline & automatisation. • Reportings hebdo → quotidiens (adoption accrue par les sales). • Reportings ayant permis de détecter une perte de plusieurs M€, corrigée via un meilleur suivi des objectifs.

Wakett est une entreprise spécialisée dans les solutions logicielles pour le secteur financier, avec un focus sur le trading en temps réel, l'analyse de données, la réconciliation et le reporting des données de marché. – Participation à la création d'une plateforme de trading Forex. Mon rôle a été de développer un graphique de trading en temps réel, intégrant les données de différents brokers et incluant toutes les fonctionnalités nécessaires pour passer des ordres en temps réel ainsi que pour réaliser des analyses graphiques : indicateurs, affichage des positions en cours, outils de dessin, etc. – Réalisation d'analyses du marché. – Création d'un dashboard de suivi des trades pour les clients. – Développement d'un dashboard d'analyse de données sur Spotfire pour la visualisation des données de marché, puis migration sur Plotly en JavaScript avec traitement de données en Python pour une solution plus complète et interactive.

Intégré à l'équipe Product Lifecycle Management (PLM), j'ai contribué à optimiser le pilotage et la productivité des usines et services métiers en valorisant la donnée PLM. L'objectif était de transformer des données complexes en reportings clairs, interactifs et fiables, permettant aux managers et opérationnels de mieux anticiper les problèmes, d'améliorer la coordination inter-services (R&D, production, qualité) et de gagner en efficacité. – Recueil et analyse des besoins métiers auprès des usines et directions. – Priorisation des demandes et gestion des évolutions en coordination avec les utilisateurs. – Travail en méthodologie Agile Scrum (sprints hebdomadaires, prototypage rapide, feedbacks continus). – Conception, développement et automatisation de tableaux de bord interactifs (SAP BO BI4, Power BI). – Intégration de KPI pour le suivi du cycle de vie complet des produits. – Exploration et transformation des données PLM via SQL, PowerQuery et Python pour fiabiliser les flux. – Cartographie complète de la base de données PLM afin d'améliorer la compréhension et l'exploitation des sources de données. – Optimisation des processus de reporting afin de réduire les délais de production et fiabiliser la donnée. – Formation et accompagnement de plus de 100 collaborateurs aux nouveaux outils BI. – Conduite du changement pour garantir l'adoption et la montée en compétence des utilisateurs.

Intégré aux équipes de production d'une cimenterie, j'ai mené une mission d'optimisation visant à réduire les coûts énergétiques associés aux processus industriels. L'objectif principal était de modéliser mathématiquement la production et d'utiliser la recherche opérationnelle pour identifier les scénarios de production les plus performants, tout en prenant en compte les contraintes industrielles et énergétiques. – Modélisation mathématique des processus de fabrication des différentes qualités de ciment en intégrant contraintes opérationnelles et énergétiques. – Déploiement d'algorithmes avancés de recherche opérationnelle (OR-Tools) pour générer des scénarios de production optimaux réduisant la consommation électrique. – Conception et développement d'une application web sous Django avec une base de donnée Mysql permettant de calculer automatiquement un calendrier optimal de production en fonction des volumes demandés. – Analyse de l'impact économique, avec une réduction des coûts énergétiques estimée entre 10 000 € et 15 000 € par semaine.