Plus d'une dizaine de projets réels.
Des problèmes concrets. Des résultats chiffrés.

Contexte

Les équipes conformité des banques et assureurs passent des heures à interroger manuellement des textes réglementaires (BCBS239, Solvency II, EU AI Act) pour répondre à des questions opérationnelles. Les LLM généralistes hallucinent sur des sujets aussi précis et ne sont pas auditables. Il n'existe pas d'outil IA spécialisé, fiable et traçable pour ce besoin.

Mission

Concevoir un copilote IA de conformité architecturé sur le principe déterministe-first : le LLM n'intervient que sur les cas genuinement ambigus, les filtres déterministes traitent 80% des requêtes. Pipeline RAG complet, orchestration multi-agent LangGraph, autocontrôle LLM-juge, refus motivés et observabilité totale.

Livrables

Stack

Contexte

Une banque de taille intermédiaire sous surveillance prudentielle de la BCE dispose de 18 mois avant une inspection formelle. Aucun des 14 principes BCBS239 n'est conforme. Les données critiques ne sont pas tracées. Des modèles IA sont déployés en production sans cadre de validation ni documentation technique.

Mission

Piloter le programme de gouvernance data de A à Z sur 12 mois en tant que consultant data embarqué. Animer les ateliers métiers, IT et conformité. Produire l'ensemble des livrables réglementaires et préparer le Comex à l'inspection BCE.

Livrables

Stack

Contexte

Un établissement financier ne dispose d'aucun cadre formel de gouvernance des données de risque. Les données critiques de provisionnement et de reporting réglementaire ne sont pas tracées, les rôles sont flous et les contrôles absents. Le risque d'erreur sur les indicateurs de pilotage financier est élevé.

Mission

Réaliser un diagnostic complet du dispositif data et structurer un cadre de gouvernance orienté pilotage financier et performance métier, en conformité avec les 14 principes BCBS239.

Livrables

Stack

Contexte

Une organisation gère des données critiques sur les incidents et la performance opérationnelle sans cadre de gouvernance formalisé. Les responsabilités sont dispersées, la qualité des données n'est pas mesurée et il n'existe pas de processus de gestion des incidents data.

Mission

Concevoir et déployer un cadre de gouvernance data complet sur le périmètre incidents et performance, incluant le diagnostic de maturité, la structuration des rôles, le cadre qualité et la feuille de route.

Livrables

Stack

Contexte

L'écosystème de données ouvertes SNCF Voyageurs (système Naomi) expose des données réelles de transport mais sans cadre de stewardship formalisé : pas de glossaire métier, pas de documentation des datasets, pas de règles de qualité définies.

Mission

Simuler le rôle opérationnel d'un Data Steward sur l'écosystème Naomi : documenter les données, construire le glossaire métier, définir les règles de qualité et établir les processus de remédiation sur des données réelles.

Livrables

Stack

Contexte

Une banque fictive (NOVEO) doit se soumettre à une inspection data. Son dispositif de gouvernance est incomplet : les contrôles qualité sont manuels, les domaines de données ne sont pas scorés, et il n'existe pas de vue consolidée du risque data par périmètre. L'inspecteur ne peut pas former un avis fondé sur des éléments objectifs et traçables.

Mission

Construire un moteur d'inspection data complet : contrôles SQL déterministes par domaine, scoring de risque agrégé, architecture médaillon bronze/argent/or, et harnais de tests garantissant F1=1.00. Chaque contrôle est relisible, documenté et défendable devant un auditeur réel.

Livrables

Stack

Contexte

La CASDEN (banque coopérative du Groupe BPCE dédiée à l'Éducation nationale) doit moderniser son SI Crédit. Les processus de traitement des demandes de crédit sont partiellement manuels, les spécifications fonctionnelles sont incomplètes, et les équipes IT ne disposent pas d'une vision claire des cas d'usage métiers prioritaires. Une mission BA est mandatée pour cadrer le projet.

Mission

Simuler une mission Business Analyst complète de bout en bout sur le SI Crédit CASDEN : recueil et formalisation des besoins métiers, rédaction des spécifications fonctionnelles détaillées, modélisation des cas d'usage, conception des maquettes d'interfaces et élaboration du plan de recette.

Livrables

Stack

Contexte

Démontrer une expertise data de façon mémorable est difficile. Les portfolios classiques sont des listes de projets que personne ne lit jusqu'au bout. L'enjeu : créer une vitrine qui capte l'attention, démontre la maîtrise technique (Next.js, TypeScript, game loop, génération procédurale) et vulgarise les concepts data de façon ludique.

Mission

Concevoir et déployer un site de mini-jeux rétro (style NES/8-bit) comme vitrine portfolio interactive : chaque jeu illustre un concept data ou gouvernance, la coquille d'arcade est extensible, et le site est bilingue FR/EN. Architecture Next.js App Router, TypeScript, Tailwind, déployé sur Vercel.

Livrables

Stack

Contexte

La base de prix officielle SNCF (TGV INOUI et OUIGO) contient plus de 36 000 lignes de tarifs réels. Les équipes pricing n'ont pas d'outil pour explorer cette grille, analyser le positionnement concurrentiel entre les deux offres, ou simuler l'impact d'un changement de prix sur le revenu. La décision tarifaire se prend sans visibilité consolidée sur la donnée réelle.

Mission

Transformer la base de prix ouverte SNCF en outil d'aide à la décision tarifaire opérationnel : exploration de la grille par trajet/classe/profil, analyse concurrentielle INOUI vs OUIGO, et moteur de simulation du prix optimal selon l'élasticité-prix. Données réelles, snapshot quotidien automatisé, démonstrateur complet de la chaîne de raisonnement du revenue management.

Livrables

Stack

Contexte

Un aéroport comme Roissy-CDG ou Orly gère des milliers de mouvements par jour. L'information sur les retards est dispersée entre plusieurs sources, difficile à exploiter en continu, et les équipes opérationnelles n'ont pas de vue consolidée permettant d'anticiper les risques. Par ailleurs, tout système de scoring automatisé doit être accompagné de sa documentation réglementaire (RGPD, AI Act).

Mission

Concevoir une console de supervision complète : collecte des données de vol via API AeroDataBox, architecture médaillon Supabase, scoring déterministe du risque de retard, alertes en temps réel, et documentation réglementaire intégrée (registre RGPD, registre AI Act). Architecture privacy-by-design et scoring entièrement relisible.

Livrables

Stack

Contexte

Dans les cabinets d'audit, les auditeurs analysent chaque année les comptes de leurs clients dans Excel. Pour 10 entreprises du CAC40, ce processus prend plusieurs semaines et reste exposé aux erreurs humaines.

Mission

Automatiser la détection d'anomalies financières sur 10 entreprises du CAC40 via un pipeline data complet et un algorithme ML, réduisant de plusieurs semaines à quelques secondes le temps d'analyse.

Livrables

Stack

Contexte

Une organisation collecte des données clients mais ne dispose pas d'outil de pilotage permettant d'identifier rapidement les anomalies, les tendances de satisfaction ou les segments à risque. Les décisions se prennent sans visibilité data.

Mission

Analyser les données clients, identifier les insights et anomalies impactant la performance, et construire des dashboards Power BI permettant un pilotage opérationnel par les données.

Livrables

Stack

Contexte

Les décideurs urbains manquent d'outils pour exploiter les données ouvertes disponibles sur une métropole en croissance rapide. Les données sont dispersées, hétérogènes et non exploitables sans infrastructure data dédiée.

Mission

Concevoir et déployer une plateforme data multi-sources permettant d'analyser des données urbaines complexes et de faciliter la prise de décision stratégique via des cas d'usage IA.

Livrables

Stack

Contexte

Le marché secondaire des cartes Pokémon TCG est volatil et opaque : les prix fluctuent selon la rareté, l'état des cartes et les tendances de la communauté. Sans outil de surveillance automatisé, détecter une anomalie de prix ou une opportunité d'arbitrage nécessite une veille manuelle chronophage et peu fiable.

Mission

Construire un système de surveillance automatisée du marché Pokémon TCG : pipeline d'ingestion depuis l'API officielle, règles de détection d'anomalies en PL/pgSQL, dashboard de visualisation et rapports narratifs générés par LLM. Projet en cours de développement.

Livrables

Stack

Contexte

Les données de marchés crypto évoluent en temps réel et nécessitent une infrastructure capable d'ingérer, transformer et exposer des données en quasi temps réel. Sans pipeline structuré, les données sont inaccessibles pour l'analyse.

Mission

Concevoir un pipeline data complet de bout en bout : ingestion depuis l'API crypto, transformation, stockage SQL structuré, et exposition via des indicateurs de performance en quasi temps réel.

Livrables

Stack