Mes Projets

Machine Learning, NLP, Computer Vision, SaaS & Trading

Filtrer

EGIR

SaaS pour restaurateurs avec IA

Plateforme de gestion analytique pour restaurateurs. Fiches techniques assistées par IA, propagation automatique des coûts, dashboard de rentabilité. Freemium 79€-119€/mois, pilote collectivité avec la Mairie de Gravelines.

SaaSML

En lancement

Statut

79€/mois

Offre lancement

Gravelines

Pilote B2G

Grada Trading

Trading Bitcoin automatisé, on-chain via dHEDGE

Stratégie de trading systématique sur Bitcoin, exécutée automatiquement on-chain via une vault dHEDGE publiquement auditable sur Polygon. Phase d'expérimentation en conditions réelles — performance vérifiable en direct.

MLTime Series

Expérimentation

Statut

On-chain

Exécution

Polygon

Réseau

Shift — Détection de Fraude

Scoring supervisé + détection de fraud rings

Reproduction sur données publiques d'une mission ML chez Shift Technology (fraude assurance IARD). Scoring supervisé XGBoost pour les équipes SIU — gestion du déséquilibre, Precision@K, Lift, SHAP — puis détection non-supervisée de fraudes nouvelles (Isolation Forest) et de réseaux frauduleux (fraud rings).

MLFraud

58%

Precision@50

×2.3

Lift décile-1

0.49

PR-AUC

JobScout

Agent autonome de recherche d'emploi

Agent IA qui scrape 9 plateformes, score les offres via pipeline 3-tier (pgvector + LLM DeepSeek), et envoie digests email. Notion sync bidirectionnelle. 140+ tests, déployé sur VPS OVH.

AutomationML

9 scrapers

Sources

pgvector + LLM

Scoring

140+

Tests

Schneider Energy

Prédiction de consommation énergétique

Modèle de prédiction de consommation énergétique et d'émissions CO₂ de bâtiments pour Schneider Electric. Random Forest (énergie) et XGBoost (CO₂) sur des caractéristiques de bâtiment (surface, ENERGY STAR, âge, type). R² = 0.80, +45% vs baseline linéaire.

0.80

R²

+45%

vs Baseline

1,650

Bâtiments

StackOverflow NLP

Suggestion de tags multi-label

Système de suggestion automatique de tags pour Stack Overflow. Comparaison TF-IDF, Word2Vec, USE, BERT fine-tuné. Précision@5 = 78%, -31% corrections modérateurs.

NLP

78%

Precision@5

62%

Recall@5

-31%

Corrections modérateurs

BackMarket Segmentation

Segmentation clients RFM avec KMeans

Segmentation automatisée sur 750k clients Back Market (périmètre France) par analyse RFM et clustering K-Means en 4 segments actionnables. +25% taux d'ouverture emails après personnalisation.

~750k

Clients

Segments

0.49

Silhouette

SantéVet Dogs

Classification de races canines

Classificateur d'images 120 races pour SantéVet utilisant ResNet50V2 + SVM RBF avec calibration Platt scaling. Architecture CNN + classifieur pour probabilités fiables (pricing assurance).

78%

Top-1 Accuracy

90%

Top-3 Accuracy

120

Races