Élève ingénieur en fin de double diplôme d'ingénieur — Polytechnique Montréal / IMT Nord Europe
A propos
Élève ingénieur en fin de double diplôme entre Polytechnique Montréal et IMT Nord Europe, je recherche un stage de fin d'études de 6 mois en France à partir de mai 2026.
Mon parcours a débuté par une formation d'ingénieur généraliste à l'IMT Nord Europe, où j'ai acquis une vision transverse des enjeux technologiques et industriels. Souhaitant approfondir les domaines de la donnée, je me suis orienté vers Polytechnique Montréal pour me spécialiser en Data Science et Intelligence Artificielle. Ce double cursus me permet aujourd'hui d'allier la rigueur d'une approche généraliste à une expertise technique pointue.
J'ai eu l'opportunité de mettre ces compétences en pratique lors de deux stages, ainsi qu'au travers de projets académiques et personnels, que vous pouvez consulter ci-dessous.
Compétences
Programmation
PythonSQLJavaR
Machine Learning
Scikit-learnPyTorchTensorFlowPandasNumPyOpenCV
Cloud & Data
AWSPostgreSQLSQLiteStreamlit
Langues
Français (natif)Anglais (TOEIC 955)Allemand (B1)
Expérience
Stage Data Scientist – Vision industrielle & Deep Learning
Arc
Avril — Août 2024 Détails
▸ Conduite d'une étude de faisabilité pour l'intégration de l'IA sur une ligne de production afin d'améliorer le contrôle qualité
▸ Développement et évaluation de modèles d'IA (supervisés/non supervisés) sur des images acquises par ordinateur industriel
▸ Étude comparative de solutions d'industrialisation de fournisseurs pour choisir celle la plus adaptée aux contraintes de production
Résultat : Approbation du projet par la direction, déclenchant l'acquisition en location d'une unité pilote pour des tests réelssur ligne de production
PythonDeep LearningComputer Vision
Stage Data Scientist – Vision industrielle & Deep Learning
Arc · Avril — Août 2024
Arc est le huitième plus grand site industriel français et un leader mondial des arts de la table, engagé dans le développement et la fabrication de produits en verre, dont le verre coloré teinté dans la masse. Au sein de ce groupe industriel, j’ai mené une étude de faisabilité visant à intégrer une solution d’intelligence artificielle pour le contrôle qualité de nouvelles gammes en verre opale coloré, qui nécessite un manuel puisque les machines actuelles ne sont pas suffisantes.
J’ai assuré la collecte et la structuration des données sur un banc d’essai industriel que j’ai mis en place, en optimisant les paramètres d’acquisition (luminosité, réglages caméras) afin de constituer un jeu de données exploitable pour l’entraînement et l’évaluation des modèles. J’ai d’abord validé la performance d’une approche par réseaux de neurones convolutifs (CNN) en apprentissage supervisé, en démontrant des résultats au moins équivalents aux systèmes de vision classiques.
Banc de test
Face à la diversité croissante des articles et des défauts, j’ai ensuite orienté le projet vers une approche non supervisée basée sur des auto-encodeurs afin de développer un système de détection d’anomalies plus flexible et généralisable, permettant de démontrer la pertinence de la solution et d’obtenir la validation de la direction.
Classification non supervisée par auto-encodeur pour la détection des défauts
En parallèle, j’ai mené une prospection auprès de différents fournisseurs afin de comparer les solutions d’industrialisation les plus adaptées aux contraintes des lignes de production et d’identifier l’architecture technique la plus pertinente, ce qui a conduit au choix d’une solution pilote déployée pour des tests en conditions réelles.
Solution d'industrialisation de l'entreprise retenue
Stage Data Analyst
Vinci – Cegelec Projets Espace & Hydrogène
Mai — Août 2023 Détails
▸ Réalisation d'un POC sur la solution SaaS Teepee pour l'automatisation de processus métiers :
▸ Développement d’un tableau de bord de suivi des candidats, facilitant la visibilité sur le processus de recrutement
▸ Création d’un outil de suivi en temps réel des expéditions vers la Guyane, garantissant la traçabilité complète du matériel
Résultat : Automatisation réussie des processus cibles, marquée par le test de l'outil de recrutement en conditions réelles par l'équipe RH
SQLExcelSaaS
Stage Data Analyst
Vinci – Cegelec Projets Espace & Hydrogène · Mai — Août 2023
Au sein de Cegelec Projets Espace & Hydrogène, j'ai accompagné l'acquisition de la licence SaaS Teepee en pilotant un POC visant à tester le déploiement et à identifier les limites techniques de la solution pour l'automatisation des processus métiers.
J'ai d'abord répondu à la complexité du suivi des candidatures, avec un processus qui implique des validations croisées entre les RH, la Direction Technique et les opérationnels, en développant un tableau de bord centralisé pour avoir un résumé global clair garantissant la conformité RGPD.
Concernant la logistique, j'ai évalué la faisabilité technique du remplacement d'une base Microsoft Access obsolète par un outil de suivi des expéditions vers la Guyane, testant ainsi les limites de la solution SaaS pour assurer une traçabilité complète.
Cette mission a permis de confirmer la viabilité de l'automatisation, aboutissant à une configuration RH prête pour un test en conditions réelles et à une analyse précise des contraintes de migration pour les flux logistiques.
Formation
2024 — 2026
Maîtrise en génie informatique, option ingénierie et analytique des données
Polytechnique Montréal
Double diplôme en partenariat avec IMT Nord Europe : Deep learning, Apprentissage automatique, Vision par ordinateur, NLP, Infonuagique, Fouille de données
Ce projet a été réalisé lors du Datathon de l'Université de Montréal en groupe de 3, qui nous a permis de remporter le prix de la meilleure utilisation de l'IA.
NutriSnap permet de scanner le contenu d'un réfrigérateur pour générer instantanément des suggestions de recettes saines. Le système calcule le Nutri-Score et les apports nutritionnels (protéines, sucres, graisses) de chaque plat pour aider l'utilisateur à maintenir une alimentation équilibrée selon ses objectifs personnels.
Côté technique, nous avons fine-tuné YOLOv11 sur une base de 30 ingrédients courants pour surpasser les limitations des modèles de zero-shot comme CLIP. Les données sont centralisées dans une base SQLite, permettant de croiser les apports caloriques avec les dépenses sportives récupérées via l'API Garmin. Le projet intègre également un chatbot agissant comme un coach de santé. En exploitant l'API OpenAI et les données physiologiques de l'utilisateur (poids, âge, activité physique), l'IA génère des programmes d'entraînement et des conseils nutritionnels sur mesure pour soutenir la motivation à long terme.
Détection d'ingrédients par YOLOv11Interface de recommandation de recettes et Nutri-Score
Assistant IA personnalisé pour le suivi santéVainqueurs du prix de la meilleure utilisation de l'IA
PythonStreamlitSQLiteAPI
Annotation automatique de données de pollution
Ce projet de recherche académique a été mené pour le Groupe Tera en collaboration avec une doctorante de l’IMT Nord Europe, dans le but d’analyser la corrélation entre le trafic urbain et les pics de pollution atmosphérique.
L’objectif du projet était de concevoir un système de vision par ordinateur embarqué sur Raspberry Pi, capable de labelliser automatiquement le flux routier afin d’expliquer certaines anomalies observées dans les mesures de particules fines PM2.5.
Afin de répondre aux contraintes de stockage et de réactivité des caméras embarquées, le logiciel Motion a été implémenté sur Raspberry Pi. Cette solution permettait de déclencher l’enregistrement vidéo uniquement en cas de détection de mouvement et a servi de base à la constitution d’un jeu de données visuelles synchronisé avec les relevés des micro-capteurs de pollution.
Cartes Raspberry Pi 3 Model B+ et webcams utilisées pour l’acquisition de données sur le terrainDispositif expérimental mis en place pour comparer les mesures issues des capteurs Tera et CozyConnectPipeline de détection reposant sur YOLOv7 et suivi d’identité assuré par DeepSORT
Un algorithme d’annotation automatique fondé sur des critères cinématiques, tels que la vitesse et l’accélération, a été développé afin de classifier les véhicules comme étant en mouvement ou à l’arrêt. Cette couche logique a permis de corriger certaines erreurs inhérentes au tracking, notamment lors d’occlusions ou de faux appariements, et de générer des labels précis pour chaque image.
La phase finale du projet a consisté à fusionner les annotations issues de la vision par ordinateur avec les données de concentration en PM2.5 récupérées via les API Web de Tera et CozyConnect. L’application de filtres médians et de fenêtres temporelles a permis d’analyser la relation entre le passage des véhicules et la persistance des polluants dans l’air.
Les travaux ont permis de valider une méthodologie de fusion de données multi-sources, avec un retour positif des encadrants concernant la pertinence de l’analyse cinématique proposée.
Ce projet entrepreneurial et social a été mené en partenariat avec un lycée professionnel et une association afin d'initier des élèves de bac professionnel aux réalités du monde de l'entreprise.
L’objectif consistait à accompagner une classe dans la création complète d’une micro‑entreprise, depuis la conception des produits jusqu’à la gestion financière, afin de financer une sortie scolaire. L’accompagnement portait sur l’ensemble des étapes clés de la création de valeur, de l’étude de marché initiale à la construction d’un catalogue produit cohérent, tout en initiant les élèves aux principes de la gestion de projet agile.
Système d'impression 3D mis en place pour la fabrication des produitsExemple d'un produit conçu et fabriqué pour la vente : une éolienne miniature fonctionnelle imprimée en 3DProtoype de carte multifonctionnelle produite par les élèves
J'ai assuré la gestion numérique par la création d'un site web vitrine et le suivi rigoureux de la trésorerie de la structure. Cette double approche, technique et administrative, a permis de transformer une initiative pédagogique en une réussite commerciale concrète, offrant aux élèves une immersion gratifiante dans l'entrepreneuriat moderne.
La structure est devenue pleinement opérationnelle et a généré les premieres bénéfices nécessaires au financement du projet pédagogique, validant ainsi l'acquisition de compétences concrètes par les élèves et la continuation future.
