
Développement de bout en bout d'une solution en deux volets automatisant les processus financiers manuels de Tractafric Equipment, durant un stage de 6 mois en tant que Data Analyst & Développeur Full Stack. D'abord, une preuve de concept (PFE) a validé les approches méthodologiques d'analyse de performance/rentabilité et de segmentation client prédictive. Puis une application web en microservices en production (Django, PostgreSQL, ReactJS) a standardisé les données et automatisé le calcul des aides et la génération des réclamations, transformant un processus manuel de plusieurs jours en un processus en temps réel, accompagnée de rapports de business intelligence sur la rentabilité, les programmes d'aide et la segmentation client.
Assistant de chat basé sur un modèle de langage local (LLM) qui transforme une question commerciale formulée en langage naturel en une requête SQL vérifiable portant sur 3,1 millions d'enregistrements réels de concessionnaires Caterpillar, avec des mécanismes de sécurité intégrés autour de cinq pièges de données vérifiés qui renvoient discrètement un chiffre erroné s'ils sont ignorés.
Un site portfolio full-stack que j'ai construit avec Next.js, avec un CMS d'administration pour tout gérer, et un vrai support anglais/français/arabe, mise en page droite-à-gauche comprise.
Moteur de scoring du risque de churn pour l'activité pièces détachées d'un concessionnaire, isolant une cohorte fiable de 230 comptes à partir d'un export de 3,1 M de lignes corrompu par un bug de plafonnement ayant fait disparaître 63 % des clients, et surpassant les modèles de référence récence/fréquence avec un PR-AUC de 0,51 validé par bootstrap.