Je cherche un CDI en data et IA

Sam Pondevie

Ingénieur Data & IA · Paris

Essayez

Je construis des pipelines de données et des systèmes de ML de bout en bout : recherche documentaire, MLOps, prévision.Je construis des logiciels qui apprennent à partir des données, et je veille à ce qu’ils fonctionnent encore une fois entre les mains de vrais utilisateurs.

Poste
Ingénieur Data & IA
Basé à
Paris, France
Langues
Français, anglais
Projets
8 réalisés · 3 à venir

À propos

J’ai commencé par le génie mécanique avant de passer à la data et à l’IA. Chez SAP à Barcelone, j’ai participé à l’automatisation du reporting commercial et segmenté les comptes clients. Chez Akabi, en mission chez Accor, j’ai travaillé sur des pipelines de données avec Snowflake, Terraform et un outil interne d’ETL et d’orchestration. Dans mes projets perso, je construis ce qui fait tenir un modèle après la première démo : entraînements tracés, modèles servis, suivi de la dérive, et un réentraînement qui ne met en production qu’un meilleur modèle.

J’ai commencé par le génie mécanique avant de passer à la data et à l’IA. Chez SAP à Barcelone, j’ai participé à l’automatisation des rapports de ventes hebdomadaires et regroupé les comptes clients selon leur façon d’acheter. Chez Akabi, en mission chez Accor, j’ai travaillé sur les systèmes qui récupèrent et vérifient chaque jour les données du groupe hôtelier. Dans mes projets perso, je m’intéresse à ce qui se passe après la première démo : une IA qui donne encore de bonnes réponses des mois plus tard, qui repère quand elle commence à décrocher, et qui n’est remplacée que par une version qui prouve qu’elle fait mieux.

  1. 01

    Des réponses vérifiables

    Recherche hybride, reranking, réponses citées, et outils de recherche que des agents LLM appellent via MCP.Une IA qui répond à partir de vos propres documents, montre d’où vient chaque réponse, et peut servir à d’autres outils d’IA.

    Syro · insight-mcp

  2. 02

    Des modèles qui restent bons après la mise en production

    Runs tracés, registre de modèles avec champion et challenger, suivi de la dérive par PSI, et réentraînement sur de vrais labels.Chaque version d’un modèle est enregistrée, ses réponses sont surveillées en conditions réelles, et il n’est réentraîné que si la nouvelle version fait mieux.

    Proths · airport-forecasting

  3. 03

    Des données et des prévisions fiables

    Pipelines d’entrepôt de données sur Snowflake, infrastructure as code avec Terraform, et modèles de séries temporelles validés en walk-forward.Des systèmes qui collectent et nettoient chaque jour les données d’une entreprise, et des modèles qui prévoient des chiffres comme le trafic aérien ou la production éolienne.

    Akabi pour Accor · sdwpf · airport-forecasting

Si c’est le genre de travail que fait votre équipe, j’aimerais en parler avec vous.

Sam Pondevie, souriant, en extérieur
Sam PondevieIngénieur Data & IA · Paris

01 — Projets

Mes projets.

Chaque carte part du problème, puis dessine la vraie architecture qui le règle, vérifiée dans son dépôt.Trois projets d’IA. Chacun part d’un problème concret et montre, étape par étape, comment le système le règle.

LLM et rechercheAssistant IA

Syro

ProblèmeLes chatbots répondent sans source, et devinent quand ils ne savent pas.

La solutionRecherche hybride et reranker sur vos documents : chaque réponse cite [Source N], ou dit « je ne trouve pas ».Il répond à partir de vos propres documents, montre le passage derrière chaque réponse, et dit quand il ne sait pas.

Parce qu’une réponse sans source, c’est une supposition.

Qdrant · BM25 · bge-reranker · Ollama

Étude de cas

Agents et rechercheOutil pour assistants IA

insight-mcp

ProblèmeLes agents IA ont besoin de sources à citer, pas de suppositions.

La solutionUn serveur MCP que n’importe quel agent peut appeler : 3 outils de recherche (BM25 + dense, fusion RRF) ; le modèle de l’agent rédige la réponse citée.Un outil de recherche que les assistants IA branchent, pour citer vos documents au lieu de deviner.

Je voulais que les agents cherchent, pas qu’ils inventent.

FastMCP · BM25 · fastembed · RRF

Étude de cas

MLOpsUne IA qui s’entretient seule

Proths

ProblèmeQuand les données changent, un modèle se dégrade en silence, et un réentraînement à l’aveugle peut en livrer un pire.

La solutionUn décalage du mélange des classes prédites (PSI) lève une alerte et ne réentraîne pas. Une chute de précision live, si. La promotion exige +0.02 de F1 macro sur un holdout fixe.Un changement dans le mélange des articles lève une alerte. Il ne se réentraîne que si la précision en conditions réelles baisse, et ne change de modèle que si le nouveau est nettement meilleur.

Réentraîner, c’est facile. Savoir si c’est mieux, c’est le vrai sujet.

scikit-learn · MLflow · FastAPI · Prometheus

Étude de cas

Autres projets

Cinq autres, chacun avec sa page.

Vision 3D · PointNetVision par ordinateur pointnet-3d-classifier Reconnaître une pièce 3D à sa seule forme, même depuis un scan bruité ou tourné. PointNet derrière une API FastAPI ; robustesse mesurée, précision sous rotation passée de 0.19 à 0.59.Il reconnaît des pièces 3D à leur forme, et montre où ça casse. PyTorch · ONNX · FastAPIDécouvrir → Prévision · séries temporellesPrévision sdwpf La météo seule peut-elle prévoir une éolienne à un jour ? Un XGBoost par éolienne face à une moyenne naïve, à 24 h. Réponse v0.1 : pas mieux, à régénérer.Il essaie de prévoir la production éolienne à un jour. Sur les chiffres v0.1, une simple moyenne fait aussi bien, et ces chiffres sont à régénérer. XGBoost · ERA5Découvrir → Prévision · séries temporellesPrévision airport-forecasting Prévoir les passagers du mois suivant pour 6 aéroports, sans regarder le futur. Un seul LightGBM : 3.5 % de MAPE à M+1, MASE 1.13, contre 5.7 % pour SARIMA. Les intervalles à 80 % tiennent sur chaque aéroport.Des prévisions mensuelles de passagers pour 6 aéroports européens, avec une marge d’erreur honnête. LightGBM · SARIMADécouvrir → Vision en temps réelVision par ordinateur live-object-detector De la détection d’objets en direct, sans envoyer une seule image. Tourne dans le navigateur, sur téléphone ou webcam : COCO-SSD sur TensorFlow.js, chargé depuis un CDN. L’image reste sur l’appareil.Il reconnaît des objets sur une webcam, en direct, dans votre navigateur. Le runtime vient d’un CDN et l’image reste sur l’appareil. TensorFlow.js · COCO-SSDDécouvrir → Automatisation · n8nAutomatisation de bureau opspilot Automatiser une demande d’exploitation sans laisser l’IA écrire quoi que ce soit sans validation. Un seul appel LLM vérifié par schéma, une validation humaine et un journal d’audit ; le ROI est une simulation signalée.Il automatise les tâches courantes, mais une personne valide chaque action avant. n8n · LLM · NotionDécouvrir →

02 — Parcours

Comment j’en suis arrivé là.

Des plans de CAO aux pipelines de production : le génie mécanique d’abord, puis la data, puis l’IA qui tourne en production.

Fig. 1CAO → nuage de points
Une équerre mécanique dessinée en 1 024 points
Une équerre CAO synthétique, échantillonnée en 1 024 points par ma chaîne pointnet. Sortie réelle du dépôt.
Même rigueur, nouveaux outils.

  1. Aujourd’hui

    Trois évaluations de chatbots

    Recherche personnelle, en cours · voir la suite ↓

  2. avr. – oct. 2025

    La plateforme data d’Accor

    Stagiaire Data Engineer · Akabi (conseil), en mission chez Accor · Paris

    Pipelines de données en production sur Snowflake, avec contrôles qualité et alertes à chaque exécution, construits avec un outil interne d’ETL et d’orchestration ; environnements dev, staging et prod en Terraform, déployés via GitLab CI/CD.J’ai travaillé sur les pipelines qui récupèrent et vérifient chaque jour les données d’Accor, et sur l’automatisation de leur mise en place et de leurs mises en production.

    • Snowflake
    • Accor Data Hub
    • Outil interne d’ETL et d’orchestration
    • Terraform
    • GitLab CI/CD

  3. nov. 2023 – mars 2024

    Stagiaire Data Analytics & Data Science · SAP

    Barcelone · équipe internationale, tout en anglais

    Participation à l’automatisation du reporting commercial hebdomadaire, et segmentation des comptes clients par K-means sur leurs profils d’achat.J’ai participé à l’automatisation des rapports de ventes hebdomadaires, et regroupé les comptes clients selon leur façon d’acheter.

    • SQL
    • Python
    • K-means

  4. 2020 – 2025

    École d’ingénieurs · EFREI Paris

    Majeure Data, mineure BI & Analytics · diplôme obtenu en 2026 · semestres à l’étranger au Cap et à BarceloneDiplôme d’ingénieur, spécialité data, obtenu en 2026 · semestres à l’étranger au Cap et à Barcelone

  5. 2018 – 2020

    DUT GMP · IUT Paris 13Diplôme de génie mécanique · IUT Paris 13

    Génie mécanique et productique

  6. 2018

    Bac S · spécialité maths

    Baccalauréat scientifique

03 — À venir

Ce que je construis ensuite.

Trois évaluations en cours. Chacune confronte les chatbots à un jeu de données officiel français qui contient la bonne réponse.Trois études en cours : je vérifie si les chatbots donnent des réponses justes, avec des données publiques officielles comme corrigé.

En constructionÉval. LLM · ParlementTest de chatbots · Parlement

votes-audit

« Comment mon député a-t-il voté ? » Un chatbot donne-t-il le vrai vote, ou en invente-t-il un quand le député était absent ou s’est écarté de son groupe ?

  1. Fait : Données et corrigé
  2. Fait : 266 questions
  3. À venir : Tests des chatbots
  4. À venir : Rapport public
Vérité terrainCorrigé
Scrutins publics, open data de l’Assemblée nationaleLe relevé officiel du vote de chaque député

fetch → ingest → truth → sample → run → grade → report

En constructionÉval. LLM · AgricultureTest de chatbots · Agriculture

ephy-audit

« Ce pesticide est-il autorisé en France ? » Les chatbots présentent-ils des produits retirés comme autorisés, ou confondent-ils droit européen et droit français ?

  1. Fait : Données et corrigé
  2. En cours : 116 questions, derniers contrôles
  3. À venir : Tests des chatbots
  4. À venir : Rapport public
Vérité terrainCorrigé
Catalogue E-Phy (Anses), instantané hebdomadaire figé par son sha256Le registre officiel des produits autorisés en France (Anses), sauvegardé chaque semaine

fetch → ingest → checks → sample → run → grade → report

En constructionÉval. LLM · Impôts et prestationsTest de chatbots · Impôts et prestations

policybench-fr

Un chatbot sait-il calculer les aides au logement, la prime d’activité, le RSA ou l’impôt sur le revenu d’un foyer donné ?

  1. Fait : Référence · 45 foyers · jeu-g3 stratifié
  2. En cours : Contrôle avec le simulateur de la CAF
  3. À venir : Tests des chatbots
  4. À venir : Rapport public
Vérité terrainCorrigé
OpenFisca-France, figé en version 176.1.0OpenFisca, le modèle open source des règles fiscales et sociales françaises

reference → freshness audit → simulator check → scoring

Même règle pour les trois : mesurer, pas militer. Tous les résultats sont publiés, y compris « aucune différence ».

À chaque fois la même question : le chatbot sait-il, ou devine-t-il ?

04 — Outils

Mes outils, et où je les ai utilisés.

De la donnée au modèle en production, et retour. Cliquez sur un outil pour voir où je l’ai utilisé.Les outils que j’utilise, de la donnée brute au modèle qui tourne et qu’on surveille. Cliquez sur l’un d’eux pour voir où je l’ai utilisé.

01Collecter et déplacer

02Modéliser et suivre

03Servir

04Surveiller

↺ La surveillance reboucle sur le modèle : un décalage de mélange ne fait qu’alerter. Une chute de précision live déclenche un réentraînement, comme dans Proths.

Recherche et LLM

Déployer et automatiser · sous tout le reste

Langages

Cliquez sur un outil pour voir où je l’ai utilisé.

05 — À côté

À côté du travail.

Sport

Le tennis d’abord.

Et aussi le ski, le volley, la natation et la voile.

Fan de Roger Federer ? Gros points. Le GOAT.

Psst : tapez son nom dans la recherche en haut.

Bar entre amis

Un verre entre amis, la meilleure façon de finir la semaine.

Grande stratégie

Total War d’abord, et les jeux Paradox comme Crusader Kings III.

Contact

Me contacter.

Je cherche un CDI en data ou en IA. L’e-mail est le moyen le plus rapide de me joindre.

sam.pondevie@gmail.com
M’écrire LinkedIn ↗
Tous les projets

    GitHub ↗