Réalisations
Projets
Projet phare · Data & IA
Détection du SOPK — Analyse BI & Machine Learning
Projet Data / IA appliqué à la santé · Équipe de 3 · Master MIAGE, Université Paris Cité
Le syndrome des ovaires polykystiques touche une femme sur dix et constitue la première cause
d'infertilité féminine, mais reste difficile à diagnostiquer. Le projet explore comment les outils
de Business Intelligence et d'apprentissage automatique peuvent améliorer sa détection, en
exploitant deux sources de données hétérogènes : un jeu de données cliniques (541 patientes,
45 variables) et une base de 3 856 images d'échographies ovariennes.
Volet Business Intelligence
- Benchmark des outils BI (Power BI, Tableau, QlikView) et choix argumenté de Power BI
- Intégration et préparation des données cliniques
- Création de visualisations interactives (taux de SOPK par âge, par IMC…)
- Structuration de rapports et interprétation des tendances
Machine Learning — données cliniques
- Prétraitement Python : nettoyage, normalisation des colonnes, traitement des valeurs manquantes et des types incohérents
- Sélection de variables cliniques pertinentes (âge, IMC, pilosité, cycle, follicules, endomètre…)
- Modèle de régression logistique (scikit-learn), split 75/25, reproductibilité fixée
- Évaluation : matrice de confusion, précision, rappel, F1-score — accuracy de 0,86
Deep Learning — imagerie médicale
- Prétraitement et normalisation des images échographiques
- Construction d'un réseau de neurones convolutifs (convolution, pooling, couches denses)
- Entraînement sur un split 80/20 et classification ovaire sain / atteint
- Résultat : 98,48 % de précision sur l'ensemble de test
- Synthèse comparative de l'apport de chaque approche (BI, ML clinique, ML imagerie)
PythonPandasscikit-learnRégression logistique
CNN / Deep LearningPower BIData cleaning
Classification d'imagesSanté
Projet phare · ERP
Intégration Sage X3 — Refonte de l'outil de gestion commerciale d'ALLAVIL
Projet ERP en entreprise · Cheffe de projet & Conception · Équipe de 4 · M2 MIAGE, Université Paris Cité
ALLAVIL, spécialiste de l'assemblage et de la distribution de systèmes mécaniques, s'appuyait sur
un logiciel développé en interne devenu inadapté à sa croissance et dépendant de ressources internes.
Le projet a consisté à conduire la refonte complète de son outil de gestion commerciale vers l'ERP
Sage X3 : analyse des processus métier, confrontation des besoins aux fonctionnalités
de l'ERP, paramétrage de la solution cible et intégration avec l'existant (comptabilité Sage Ligne 100
et CRM commercial). Projet mené sur 22 semaines pour un volume d'environ 120 heures.
Mon rôle
- Cheffe de projet : coordination générale de l'équipe de 4
- Suivi du planning et de l'avancement des livrables
- Animation des réunions hebdomadaires et des ateliers de conception
- Analyse fonctionnelle : devis, facturation, référentiels client & articles
- Paramétrage des habilitations utilisateurs et de l'interface CRM
- Rédaction du cahier des charges et des spécifications fonctionnelles
Périmètre fonctionnel
- Devis multi-modèles (France / Export) et impression multilingue
- Facturation : avoirs, gestion des devises, personnalisation des modèles
- Référentiels client, articles et fournisseurs, familles statistiques
- Processus de gestion des achats et des stocks
- Habilitations et profils utilisateurs
- Requêtes, états et éditions personnalisées sous Crystal Reports
Points techniques clés
- Interfaçage CRM ↔ ERP : modèles d'import/export CSV & XML, Web Services REST / SOAP
- Workflow de validation des factures d'achat : déclenchement conditionnel (devise différente ou montant > 10 000 €)
- Circuit d'approbation gradué N+1 / N+2 selon l'enjeu financier, avec délégation et accusé de lecture
- Plan de travail de suivi des validations (workflows non lus/non signés vs. traités)
- Compatibilité assurée avec la comptabilité Sage Ligne 100
- Chiffrage des charges en heures par tâche et planning Gantt
Sage X3ERPSage Ligne 100Workflow
Web Services REST/SOAPXML / CSVCrystal Reports
CRMCahier des chargesAgileNotion
Projet phare · Développement web
Carbon Intensity Balancing (CIB)
Application web éco-responsable · Cheffe de projet & intermédiaire MOA–MOE · Équipe de 4 · Université Paris Cité
Application web permettant de surveiller en temps réel l'intensité carbone de l'électricité
par zone géographique, afin de suspendre, reporter ou délocaliser les traitements informatiques
énergivores vers les moments et les lieux les moins émetteurs de CO₂. Le projet répond à un
double enjeu : optimiser la consommation énergétique des systèmes d'information et sensibiliser
les utilisateurs à l'éco-responsabilité numérique.
Mon rôle
- Coordination du projet et suivi de l'avancement sur 16 semaines
- Intermédiaire MOA–MOE : communication entre les besoins métier et l'équipe technique
- Rédaction des spécifications fonctionnelles et techniques, garantissant la bonne compréhension des besoins par les développeurs
- Élaboration des diagrammes de conception (UML : classes, séquences, cas d'usage)
- Production et formalisation des livrables projet
- Organisation Agile : Kanban sous Notion, points hebdomadaires, planning Gantt
- Adaptation de l'organisation face à une équipe réduite et à l'absence d'un membre
Fonctionnalités
- Carte interactive : consultation de l'intensité carbone par localisation
- Comparaison multi-pays et historique de l'empreinte carbone
- Prévisions d'intensité carbone sur les prochaines 24 h
- Répartition des sources de production d'électricité par zone
- Recommandations de délocalisation des traitements intensifs
- Inscription / connexion sécurisées
Stack technique
- Back-end : Node.js, Express.js, PassportJS
- Front-end : React, HTML/CSS/JavaScript (SPA)
- Base de données : MongoDB (hash BCrypt)
- API externes : ElectricityMap, RTE, Google Maps
- Sécurité : Helmet, CORS, HTTPS, rate limiting anti-DDoS
- Conception : UML (StarUML), maquettage Figma
- Versionning & tests : GitLab, tests unitaires et d'intégration
ReactNode.jsExpressMongoDB
API RESTGoogle MapsElectricityMap
AgileUMLFigmaGitLab
Projet phare · Mobile
SkyScope — Application mobile d'alertes météo
Application mobile cross-platform · Développement en binôme · M1 MIAGE, Université Paris Cité
Application mobile de suivi météo permettant à chaque utilisateur de définir ses propres seuils
d'alerte (température, humidité, vitesse du vent, indice UV, pollen) et de recevoir une notification
dès qu'une condition est dépassée. Développée en React Native avec Expo, elle s'appuie sur l'API
OpenWeather pour les données en temps réel et sur Firebase pour l'authentification, le stockage
des préférences et l'envoi des notifications push.
Fonctionnalités
- Inscription et connexion sécurisées
- Météo du jour et prévisions horaires
- Recherche météo par ville
- Configuration personnalisée des seuils d'alerte
- Notifications push déclenchées au dépassement de seuil
- Synchronisation du compte sur tous les appareils
Conception & développement
- Modélisation UML : diagrammes de classes et de séquence (Lucidchart)
- Architecture par composants React (écrans Auth, Home, Config, Recherche, Monitoring)
- Gestion d'état avec les hooks (useState, useEffect)
- Gestion des exceptions et des données manquantes (optional chaining)
- Normalisation des unités de mesure et des fuseaux horaires
- Versionning GitHub / GitLab
Stack technique
- React Native & Expo
- Node.js, JavaScript
- Firebase Authentication
- Firebase Cloud Messaging (notifications)
- API OpenWeather
- VS Code, Lucidchart
React NativeExpoJavaScriptFirebase
Cloud MessagingAPI OpenWeatherUMLGitHub
Projet phare · DevOps
Architecture microservices & DevOps — Application de réservation de magazines
Projet DevOps & microservices
Développement d'une mini-application de réservation de magazines servant de support à la mise en
pratique d'une chaîne DevOps complète : du code au cluster. Le projet a été construit de façon
incrémentale — un premier service conteneurisé et déployé, puis une gateway, un second microservice,
et enfin la persistance en base — afin de couvrir l'ensemble du cycle de vie d'une architecture
distribuée.
Fonctionnalités
- Consultation de la liste des magazines
- Affichage du détail par identifiant
- Mise à jour des informations (ex. changement de statut « disponible »)
- Suppression d'un magazine
- API REST CRUD complète
Déroulement du projet
- 1. Développement du service backend en Java / Spring Boot, création d'une image Docker et publication sur Docker Hub, puis déploiement sur Kubernetes (Deployment + Service)
- 2. Mise en place d'une gateway pour centraliser et router les requêtes, configuration des routes
- 3. Ajout d'un second microservice et gestion de la communication inter-services via la gateway
- 4. Intégration de PostgreSQL : connexion au service principal, persistance des données, visualisation via DBeaver et PgAdmin
Compétences mises en œuvre
- Conception d'une architecture microservices
- Conteneurisation complète d'un service avec Docker
- Déploiement Kubernetes (pods, services, configurations)
- Paramétrage d'une API Gateway
- Manipulation avancée de PostgreSQL
- Maîtrise du cycle complet : code → build → container → cluster
Java 17Spring BootGradlePostgreSQL
DockerDocker HubKubernetesAPI Gateway
MicroservicesDBeaverPgAdmin
MACHINE LEARNING
Challenge Crédit Agricole Assurances
Prédiction de primes d'assurance via Machine Learning (Random Forest, XGBoost) : optimisation des prédictions et analyse de sinistralité.
PythonRandom ForestXGBoost
IA · ÉQUIPE DE 3
Interface d'annotation pour le Visual Question Answering
Plateforme web d'annotation pour le VQA, tâche consistant à extraire de l'information depuis des
images via des requêtes en langage naturel. Elle comprend une interface administrateur (ajout
d'images à annoter, statistiques, export des annotations) et une interface utilisateur avec deux
modes : poser ou répondre à des questions sur une image choisie, ou compléter les réponses de
couples image/question présentés automatiquement.
IADjangoPythonHTML/CSS
BASES DE DONNÉES · ÉQUIPE DE 4
Implémentation d'un mini SGBDR
Implémentation d'un système de gestion de bases de données relationnelles simplifié, à base unique
et mono-utilisateur. Le moteur interprète des commandes dans un langage épuré mais fidèle aux
opérations SQL réelles (insertion, sélection…) et met en œuvre les différentes couches d'un SGBD.
JavaSQLMoteur de requêtes
GESTION SI · CHEFFE DE PROJET, ÉQUIPE DE 5
Transformation du SI d'une entreprise textile
Analyse du système d'information existant d'une entreprise de textile, puis proposition de
solutions organisationnelles, fonctionnelles et informatiques (CRM, ERP, BI) destinées à améliorer
ses performances et sa productivité.
CRMERPBIUrbanisation SI
PROGRAMMATION AVANCÉE
Moteur de résolution de débat
Modélisation de débats simples et conception d'une méthode de résolution automatique, appliquée
aux situations de choix du quotidien comme aux controverses publiques : représentation des
arguments, de leurs relations et détermination des positions défendables.
JavaModélisationAlgorithmique
MOBILE
Application mobile de covoiturage
Développement d'une application mobile dédiée à la mise en relation pour le covoiturage.
JavaAndroid