Portfolio

Fin novembre 2024, j'ai fièrement rejoint une entreprise dont j'admire les membres depuis plus de 15 ans, depuis ce jour où j'ai écrit les mots import sklearn qui ont façonné mon métier en Data Science. Mon rôle est double : développer l'équipe de consultants en Data Science et collaborer avec les utilisateurs et clients payants, en approfondissant notre compréhension des besoins industriels tout en nourrissant notre cause Open Source.

probabl.ai est né au cœur de l'excellence scientifique française au sein de l'INRIA et s'appuie sur l'héritage du projet emblématique scikit-learn. Notre mission : établir les standards industriels les plus élevés pour l'Open Source en Data Science. Grâce à nos activités commerciales en certifications, produits et consulting, nous accélérons la diffusion de nos innovations dans l'économie réelle.

J'ai eu le plaisir d'accompagner le développement post-prototype du moteur IA Computer Vision Gaze Tracking pour la startup 3bricks.ai qui analyse l’attention et l’impact créatif sur les écrans publicitaires. Autrement dit : regarder où votre regard se pose sur la publicité.

La plateforme 3bricks.ai mesure et améliore les publicités sur écran. Avec son IA, elle mesure l'engagement du public avec les publicités sur tous les écrans grâce au suivi du regard pour transformer ces informations en recommandations créatives.

J'ai pratiqué ma méthodologie heedgi pour aider glasspop à relever son défi ambitieux. Notre approche a permis de réduire le nombre de tests optiques nécessaires par patient grâce à l'intégration d'une intelligence artificielle propriétaire qui optimise le confort optique des patients.

Ce travail a été présenté lors de deux conférences spécialisées en ophtalmologie :

• Chirurgie Réfractive & Innovations
  20 janvier 2024


• Imagerie en Ophtalmologie
  4 octobre 2024

Notre implication a couvert beaucoup d'aspects du projet, de l'innovation technologique à la communication scientifique, en passant par les négociations commerciales stratégiques. Cette collaboration illustre le potentiel de l'association entre science et pratique médicale au bénéfice des patients, redéfinissant la prescription de lunettes pour les années à venir.

glasspop a mis au point le premier produit permettant aux patients de tester leur propre vision. Prescrire des lunettes nécessite des compétences, mais les fabriquer à grande échelle ne coûte qu'un dollar, ce qui appelle une rupture de paradigme !

Quels sont les objectifs potentiels de Volpi avec l'IA ?

Réduire les coûts grâce à l'IA dans le logiciel au sein du matériel
‣ Amplifier les efforts d'annotation médicale avec une approche humaine dans la boucle
‣ Orienter et conseiller de la R&D à la production en évitant les écueils coûteux

Grâce à la méthodologie heedgi, nous avons concentré notre attention sur un problème clinique et sur la meilleure façon de mesurer le succès : l'unité de valeur et le KPI pour diriger, choisir et construire notre IA sur mesure pour Volpi.

L'acculturation, le conseil technique avancé et la compréhension clinique ont été les éléments clés du programme sur mesure que nous avons mené pour Volpi. Notre objectif était de préparer Volpi à une voie rapide vers le succès de ses clients. Le fait que notre méthodologie heedgi contribue à établir une base solide pour l'IA chez Volpi, de la direction aux techniciens, aux scientifiques et aux vendeurs, est une source de satisfaction.

Volpi aide les patients en améliorant les instruments des fabricants de diagnostics in vitro (DIV) et de sciences de la vie.

J'ai demandé à mon manager, Nicolas Renard, si je pouvais citer cette phrase 👆 et il a répondu qu'il était d'accord. Merci, Nicolas, non seulement d'être un super manager, mais aussi pour ton remplacement irremplaçable incroyable du cours MBA à Rennes School of Business ! 🙏🙏🙏

Chez Jellysmack, mon équipe a mis tout en œuvre pour aider l'espace de création vidéo sur le web avec des projets innovants en vision artificielle et en traitement du langage naturel au service des créateurs du monde entier.

La mission était double :
‣ Encourager l'innovation par le biais de prototypes
‣ Offrir un soutien en matière de recherche aux autres équipes d'intelligence artificielle/apprentissage automatique en apportant un éclairage nouveau, bibliographique et pragmatique

Nous nous efforçons d'inventer et d'améliorer les sauces secrètes, d'élaborer avec diligence des codes livrables, de mener une veille scientifique et technologique et de participer à des discussions internes et externes.

La plus grande fierté ?

Le projet de représentation vidéo, une combinaison de l'apprentissage à noyaux multiples et de l'approximation de Nyström.

Nous avons méticuleusement rassemblé et harmonisé les meilleures représentations vidéo issues de la recherche. Grâce aux connaissances inestimables de nos experts en médias, nous avons non seulement déduit notre propre similarité combinée, mais nous avons également conçu des représentations vectorielles de taille fixe pour un regroupement efficace, une récupération et une estimation de la prédiction de succès.

Nous avons changé le métier du montage vidéo en nous appuyant sur le travail de nos centaines de monteurs professionnels, en optimisant les processus de montage rapide et de conversion courte pour des plateformes telles que YouTube, Facebook, Instagram et TikTok. En analysant de multiples signaux de haut niveau et en concevant diverses méthodes de découpage, nous fournissons des suggestions aux monteurs, garantissant une expérience de montage transparente et créative, minimisant le temps passé sur des tâches fastidieuses et non artistiques.

D'un point de vue scientifique, il est intellectuellement difficile de traiter des vidéos car ce support est multimodal : image, son, parole, musique et mouvement. Sur le plan commercial, ces domaines sont très gratifiants si l'on considère le succès des vidéos et la réduction du temps passé à les construire, ce qui définit clairement nos indicateurs de performance pragmatiques.

Jellysmack aide les créateurs de vidéos depuis la production et l'édition de contenu jusqu'à la promotion sur les médias sociaux.

L'objectif de l'Ircam Amplify est de mélanger la technologie, les mathématiques et la musique, en créant des solutions harmonieuses qui résonnent avec la science et la musique tout en frappant une corde sensible sur le marché. Dans cette mission, nous avons cherché à maximiser les profits sur Spotify à partir de nos catalogues musicaux.

Il s'agissait de créer des algorithmes innovants pour analyser, encoder et tarifer avec précision les anciens et les nouveaux titres. Nous tirons parti de la dynamique des données, en guidant les amateurs de musique dans un voyage de découverte personnalisé, tout en tenant compte des dernières tendances et de l'historique des succès des auditeurs.

En regroupant intelligemment les morceaux et en les encodant de manière adaptative et en tirant parti du vaste capital de recherche de l'Ircam, nous permettons aux systèmes d'intelligence artificielle d'apprécier la musique. Nous avons également expérimenté avec succès la connexion du fil d'actualité pour améliorer les suggestions.

La mission de l'Ircam Amplify est de mettre le meilleur de la recherche audio et de la création musicale des laboratoires de l'IRCAM à la disposition des marchés avec des produits.

En quatre années qui ont changé ma vie au MAP5 (2016-2020), le laboratoire de mathématiques appliquées de l'Université de Paris, je me suis plongé dans le domaine passionnant de l'IA générative et discriminative. M'intéressant de près aux réseaux neuronaux et à l'apprentissage profond, j'ai réorienté ces outils puissants. J'ai notamment mis au point des techniques de regroupement (clustering) avec des GAN, permettant d'organiser de vastes ensembles de données comme les grandes collections de photos. J'ai également exploré l'importance des caractéristiques non supervisées, révélant les attributs distinctifs des ensembles de données sans étiquette.

Un heureux hasard m'a permis de rencontrer Dr. Élodie Germani lors d'un stage que j'ai eu la chance d'encadrer avec Dr. Alkéos Michaïl. Élodie est aujourd'hui chercheuse spécialisée en intelligence artificielle pour l'imagerie médicale.

En parallèle, mes travaux académiques et professionnels ont porté sur les méthodes d'évaluation de la fiabilité des décisions automatisées, en fournissant une approche statistique essentielle pour les applications nécessitant une supervision humaine. Cette exploration a fusionné certaines mathématiques du transport optimal avec les réseaux neuronaux, permettant ainsi de réévaluer la représentation des données. Grâce à la chaleur humaine du MAP5 et à la persévérance chez Oscaro, mon parcours a modestement contribué à un domaine qui me tient énormément à cœur.

Ramener des publications issues de conférences et de revues de recherche de premier plan procure un sentiment à la fois de fierté, de vanité et de reconnaissance, mais aussi, bien sûr, la volonté inébranlable de mener la prochaine bataille de la recherche en entreprise.

Le MAP5 est le laboratoire de Mathématiques Appliquées de l'Université de Paris qui m'a accueilli pour étudier l'IA générative et discriminative pendant 4 merveilleuses années.

Chez Oscaro.com, j'ai participé à des initiatives innovantes en tant que Data Scientist R&D, en combinant de manière transparente l'apprentissage profond et l'intelligence artificielle pour développer des solutions robustes. Mon travail a été déterminant dans la mise en place de mécanismes de pointe pour la détection des fraudes à la carte de crédit, réduisant considérablement les risques et protégeant les transactions. En parallèle, je me suis concentré sur la prévision de la demande, en utilisant l'apprentissage profond pour prédire avec précision les dynamiques du marché, améliorant ainsi l'efficacité et la satisfaction des clients.

La détection des fraudes à la carte de crédit était un bon exemple de l'importance de poser les bonnes questions. À l'époque, les entreprises se contentaient de compter les erreurs, mais mon approche consistait à évaluer les pertes financières de l'entreprise. Tous les systèmes d'IA, comme d'autres, font des erreurs : mon rôle est de les traiter de manière la plus significative possible. Cette approche change radicalement la façon dont les performances des algorithmes sont mesurées, récompensées et donc entraînées. Cela bénéficie également à la direction, car toute la chaîne de commandement, même sans expertise en IA, comprend désormais que l'objectif principal est de protéger l'argent de l'entreprise. Cette perspective a facilité mon travail avec les entreprises et les clients.

Mon rôle comprenait également une veille technologique en matière d'IA, où je surveillais et analysais les tendances émergentes, les recherches et les entreprises dans le domaine de l'IA, veillant à ce qu'Oscaro.com reste à l'avant-garde dans un paysage concurrentiel. Cet engagement pour l'excellence s'est également matérialisé à travers la poursuite de mon doctorat, généreusement financé de septembre 2016 à octobre 2020. Passer de l'université à l'entreprise a enrichi ma vision de l'IA, nourrissant à la fois ma soif intellectuelle et mon expertise professionnelle.

Au sein du groupe d'Oscaro.com, il y avait la startup xBrain pionnière dans les chatbots et j'ai eu le plaisir d'encadrer un stage pour Dr. Maxime Haddouche aujourd'hui chercheur en Machine Learning et optimisation numérique.

Oscaro.com est un leader européen du commerce électronique de pièces détachées automobiles.