Entre la technique et le client

Direction générale de l’armement, DGA

AI Technical Project Engineer

• Côté maîtrise d’ouvrageLe côté client : celui qui commande le système et le réceptionne. L’industriel, lui, le réalise., j’ai été plus d’un an l’unique interlocuteur technique d’un projet de NLP à plusieurs millions d’euros : un système qui extrait des événements de textesCe qui s’est passé, où et quand, repéré dans le texte par reconnaissance d’entités nommées., réalisé par un industriel pour une dizaine d’utilisateurs principaux et, à terme, quelques centaines d’autres.
• J’ai rédigé les exigences, le cahier de recette et le CCTPCahier des clauses techniques particulières : la partie technique d’un marché public, qui fixe ce que l’industriel doit livrer et comment chaque point sera vérifié. complet des phases suivantes du marché. J’ai ensuite rejoué ces tests avec les utilisateurs à chaque démonstration, et cherché à casser le système pendant la recette finale.
• J’ai animé les ateliers et mené une partie des négociations techniques avec l’industriel. On m’appelait souvent comme spécialiste IA dans les réunions entre décideurs et équipes techniques, pour proposer des options, questionner les raisonnements et aider chacun à comprendre l’autre.

Safran Helicopter Engines

Data Scientist, Health Monitoring · stage

• J’ai développé en Python un modèle qui estime le débit carburant des moteurs Arriel 2E et 2D à partir de paramètres physiques.
• Je l’ai intégré au pipeline Python industriel de Safran avec des tests unitaires, puis livré en préproduction et en production par la CI/CD GitLab existante de l’équipe. Un an plus tard, il servait encore tous les jours au suivi de tous les Arriel 2E de l’équipe.
• J’ai conçu un indicateur de consommation de carburant normalisée, que l’équipe a ensuite étendu. J’ai aussi construit un outil hors ligne, à base de règles, qui repère dans les données moteur enregistrées les premiers signes d’anomalie des actionneurs du circuit carburant.

Sysnav

Computer Vision / R&D · stage

• J’ai construit un prototype de R&D en Python et Tkinter pour visualiser et nettoyer les nuages de points épars d’un SLAM visuel-inertiel, et pour explorer la détection d’éléments de structure en vue de cartographier des intérieurs en 2D.

Formation

Langues

Français : langue maternelle · anglais : niveau professionnel · espagnol : intermédiaire