9 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

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