freelance

Freelance / Consulting

  • J’accompagne les équipes dans la conception et la validation de cadres statistiques pour les outils de décision assistés par IA en environnements régulés.

    Compétences

    • Analyses statistiques : modèles bayésiens ou hiérarchiques, séries temporelles, estimation d’incertitudes pour appuyer la décision.
    • Analyses prédictives : scoring, classification, NLP léger ; livrables reproductibles en notebooks ou scripts prêts à intégrer.
    • Analyse de données & visualisations : exploitation de bases publiques ou privées, mise en forme claire pour les décideurs.
    • Cadres d’évaluation : conception de cadres d’évaluation statistique pour les systèmes d’IA dans les environnements régulés (santé, finance, assurance).

    Approche

    1. Clarifier la question métier, les métriques utiles et les contraintes d’usage.
    2. Structurer les données (qualité, lignage, documentation de chaque transformation).
    3. Construire le modèle, le prototype ou la visualisation la plus simple possible.
    4. Transmettre : code commenté, rapport court, passation orale ou atelier ciblé.

    Expérience & ancrage

    J’interviens là où l’erreur a des conséquences : santé publique, énergie, finance, assurance. Terrain actuel : la donnée de santé réglementée, avec la refonte de bout en bout de la chaîne de données d’un organisme public de dépistage des cancers ; auparavant, calibration bayésienne de modèles physiques (EDF) et analyse de sensibilité en grande dimension (IFP Energies nouvelles). Contraintes qualité, documentation et délais institutionnels serrés font partie du cadre habituel.

    🤝 Contact direct par email

    Études de cas disponibles sur demande. Focus actuel : méthodologie d’audit statistique pour les chaînes de données en santé publique.

  • I help teams design and validate statistical frameworks for AI-assisted decision tools in regulated environments.

    Skills

    • Statistical work: Bayesian/hierarchical models, time series, uncertainty quantification for better decisions.
    • Predictions: scoring, classification, lightweight NLP; reproducible notebooks or scripts that plug into your stack.
    • Data Analytics & Visualisation: public or proprietary datasets turned into clear narratives for stakeholders.
    • Evaluation frameworks: statistical conformity and reliability assessment for AI systems in regulated environments (health, finance, insurance).

    Collaboration approach

    1. Clarify the business question, success metrics, and usage constraints.
    2. Structure the data (quality checks, lineage, fully documented steps).
    3. Build the minimal model / prototype / visual that answers the question.
    4. Transfer knowledge: commented code, short report, live handover or focused workshop.

    Experience & focus

    I work where failure has consequences: public health, energy, finance, insurance. Current ground: regulated health data — an end-to-end data chain rebuild for a public cancer-screening organisation — with prior research work in Bayesian calibration of physics models (EDF) and high-dimensional sensitivity analysis (IFP Energies nouvelles). Quality constraints, documentation duties, and tight institutional timelines are the usual operating conditions.

    🤝 Get in touch : Email me directly

    Case studies available on request. Current focus: statistical audit methodology for regulated public health data chains.