Expériences professionnelles
2013-2018 : Expert/Architecte de solutions d’aide à la décision chez IBM
01/2016 à aujourd’hui POC pour de grandes entreprises pour des solutions d’aide à la décision
incluant des architectures Big Data
Rôle : Expert/Architecte de solution d’aide à la décision
Contribution :
- Définition de la solution d’aide à la décision embarquant des fonctions de datamining et/ou d’IA, et
utilisation éventuellement d’une architecture Big Data.
- Réalisation de POC pour les clients, afin de valider les besoins du client et l’architecture de la solution
(cf. La SACEM, AIRBUS, AGIRC-ARRCO)
Environnement technique :
- Base de données : DB2
- Système analytique : Modeler SPSS, R, Python, Hadoop/Spark, TensorFlow/Keras
- Système restitution : Cognos Analytics
01/2015 à 01/2016 POC pour la Française des jeux, détection du blanchiment de fonds par le jeu.
Rôle : Expert/Architecte de solution d’aide à la décision
Contribution :
- Définition des méthodes pour résoudre les problématiques suivantes : détection du blanchiment des
fonds par le jeu et du jeu excessif.
- Mettre en évidence la valeur ajoutée par la solution : détection effective du blanchiment et résolution
des problèmes de faux positifs (fausse détection).
- Participation à la définition de la solution, à la définition de l’architecture et du scénario d’intégration
de la solution.
- Mise en œuvre de la solution : direction de projet sur les aspects scientifiques.
- Définition du plan projet et suivi de l’implémentation.
- Solution devenue aujourd’hui une solution SAAS.
Environnement :
- Base de données : DB2, BigSQL, Hive.
- Système analytique : Modeler SPSS, R, Hadoop/Spark ML
- Système métier : CFM (Counter Fraude Manager) solution IBM de lutte contre la Fraude.
06/2014 - 12/2014 Projet SOLON pour ProBTP, détection de la Fraude dans les factures des praticiens
de la santé
Rôle : Expert/Architecte de solution d’aide à la décision sur les problématiques de détection de la fraude au
remboursement des factures des opticiens et des dentistes.
Contribution :
- Développement d’une méthode pour l’analyse et la détection des fraudes sur les factures de
remboursement des opticiens et des dentistes.
- Développement d’un moteur de détection basé sur des règles métier, la détection d’anomalies et sur
des algorithmes de datamining (Machine Learning).
- Définition de la solution et de l’architecture d’intégration.
- Développement de la solution : gestion de projet, et coaching de l’équipe sur les aspects de détection
par les méthodes de « Machine Learning ».
- Participation aux tests de recettage.
- Cette solution est devenue une offre SAAS.
Environnement :
- Base de données : DB2
- Système analytique : Modeler SPSS, Python, Scikit-Learn, Hadoop/Spark
- Système métier : CFM (Counter Fraude Manager) solution IBM de lutte contre la Fraude
11/2013 - 06/2014 POC Crédit Agricole, détection de 15 types de fraudes dans le domaine bancaire
Rôle : Architecte de la solution et Expert en IA et Data Mining dans le domaine de la fraude dans les transactions
financières, plus de 15 types de fraudes analysées
Contribution :
- Définition de la méthode prédictive pour détecter les 15 types de Fraudes, allant de la détection des
fraudes sur les moyens de paiement à la fraude documentaire, et, couvrant les classes de fraudes
suivantes :
• Détection des fraudeurs à l’entrée en relation,
• Détection des fraudeurs en cours de relation,
• Détection des fraudeurs aux Moyens de Paiement (hors CB),
• Détection des fraudes affectant ou utilisant des comptes sensibles,
• Détection de fraude par utilisation de liste de personnes impliquées dans des dossiers de
fraude,
• Détection des fraudes internes.
- Définition de méthodes spécifiques pour chaque type de Fraude en utilisation les méthodes de
« Machine Learning », réseaux de neurones, etc.
- Mise en place de la solution : recruter l’équipe, formation et mise en place de l’équipe projet IBM et
de l’équipe projet client.
- Organisation des chantiers, gestion de l’équipe.
- Gestion de la communication avec le client.
Environnement :
- Base de données : DB2
- Système analytique : Modeler SPSS, R, Python
- Système métier : CFM (Counter Fraude Manager) solution IBM de lutte contre la Fraude
07/2013 - 08/2013 POC Swiss Life, détection de la fraude sur les sinistres automobiles
Rôle : Expert de solution d’aide à la décision analyse des sinistres, détection des demandes de
remboursement de sinistres automobiles donnant lieu à une suspicion de fraude.
Contribution :
- Analyse de la problématique métier.
- Modélisation des Fraudes à la déclaration des sinistres : création des indicateurs de détection, analyse
des anomalies sur les données.
- Définition d’un modèle de détection robuste aux erreurs de saisie et aux faux positifs.
- Restitution des résultats au client.
Environnement :
- Base de données : MYSQL
- Système analytique : Modeler SPSS, Python, Scikit-Learn
- Système métier : CFM (Counter Fraude Manager) solution IBM de lutte contre la Fraude
11/2012 - 03/2013 POC GENERALI (idem POC Swiss Life).
11/2009 – 06/2012 Divers POC sur des sujets d’aide à la décision pour des sociétés d’assurance, de
l’industrie, de la distribution et de la banque
- Exemple d’entreprises : Société générale, BNP Paribas, Total, SNCF, etc.
2000 à 2009 : Senior Managing Consultant » chez IBM et Price WaterHouse
03/2007 - 03/2009 Société générale, Organisation de la production du Ratio Bâle II et mise en oeuvre
de son pilotage
Rôle : Directeur de projet
Contribution :
- Gestion du projet et coaching de l’équipe client,
- Définition des processus et de l’organisation de la production pour le ratio Bâle II,
- Clarification des règles de gouvernance entre les services,
- Analyse des besoins en termes de rapports réglementaires local et international,
- Gestion de l’intervention des consultants IBM et externes (cadre d’un micro programme management)
Définir les tâches, les projets,
Identifier les profils des consultants,
Recrutement des consultants,
Mise en place et suivi des projets.
03/2006 – 03/2007 Caisse des dépôts et consignations (CDC), mise en œuvre d’un système d’information
compatible avec les exigences de la méthode standard de la réglementation bâloise
Rôle : Directeur de projet
Contribution :
- Gestion de projet et coaching de la direction de projet client.
- Participation au choix de la plateforme de calcul des fonds propres.
- Direction de l’équipe ayant conduit les tâches suivantes :
Paramétrage de la plateforme du progiciel Fermat,
Définition des interfaces d’alimentation du progiciel Fermat et création des spécifications de
mise à jour des systèmes de gestion,
Contrôle et suivi de la mise en œuvre,
Participation et organisation de la recette métier.
Analyse des écarts fonctionnels dans le cadre de la gestion des risques.
Analyse d’impacts des différentes méthodes.
Définition d’un plan de mise en œuvre de la méthode standard et la méthode IRBA.
Environnement :
- Base de données : DB2
- Système analytique : SAS, SQL
- Système métier : Fermat logiciel de calcul des fonds propres, racheté par la société Moody’s.
02/2005 – 12/2005 Caisse des dépôts et consignations (CDC)
Définition de la roadmap de la mise en œuvre de la réglementation bâloise en définissant pour chaque
méthode (standard et IRBA) le plan d’implémentation correspondant.
Rôle : Directeur de projet
Contribution :
- Expertise sur la réglementation et les solutions de calcul des paramètres de la réglementation Bâle II.
- Direction de l’équipe ayant conduit les tâches suivantes :
Définition pour le portefeuille bancaire des méthodes de notation pour l’approche IRBA et le
calcul des indicateurs PD, LGD, CCF.
Analyse des écarts en données des systèmes de gestion en fonction des différentes approches
(standard et notation interne).
Analyse des écarts fonctionnels dans le cadre de la gestion des risques financiers
Analyse d’impacts des différentes méthodes sur l’évaluation du besoin en fonds propres
Définition d’un plan de mise en œuvre de la méthode standard et de la méthode IRBA
Environnement :
- Base de données : DB2
- Système analytique : SAS base, R, python
- Système métier : Fermat, logiciel de calcul du besoin en fonds propres
03/2004 – 01/2005 Banque OBC (actuellement Banque Neuflize) filiale du groupe ABN AMRO
Mise en œuvre de l’approche IRB (Internal Rating Based Approach) du point de vue fonctionnel et du
point de vue du système information
Rôle : Chef de projet
Contribution :
- Définition de la stratégie de gestion des risques de crédit, opérationnel, et, de marché.
- Remise à niveau des procédures liées à la gestion du risque de crédit et du risque opérationnel afin de les
rendre conformes à la réglementation Bâle II.
- Définition d’une architecture informatique pour le calcul des fonds propres suivant les recommandations
de la nouvelle réglementation et la production des rapports permettant la gestion et le suivi des risques.
- Définition du datamart pour recueillir les données nécessaires aux calculs des risques de crédit, de marché
et opérationnels pour alimenter les systèmes de la banque ABN AMRO.
02/2004 – 03/2004 Banque DEXIA
Dans le cadre de la mise en œuvre de l’approche IRB (Internal Rating Based Approach), étude des
écarts et réalisation du mapping par rapport au modèle de données du moteur de calcul Fermat des
données du client.
Rôle : Chef de projet
Contribution :
- Mise en place une structure de management de projet couvrant une dizaine de pays.
- Analyse des écarts entre l’existant de chaque filiale et le modèle cible du groupe.
- Définition des solutions de contournement pour réduire les écarts.
- Aide à la recette fonctionnement
Environnement :
- Base de données : DB2
- Système analytique : SAS base, Intelligent Miner
- Système métier : Fermat, logiciel de calcul du beso...