Curriculum.

Refonte et optimisation de modèles de prévision du rendement (t/ha) et de la durée de culture de parcelles (haricots, pois) avant récolte. Feature engineering avancé (variables pédologiques, encodage variétal sans data leakage, météo cumulative et glissante, indicateurs phénologiques et de stress), modélisation XGBoost / LightGBM / LSTM optimisée via Optuna et perte Huber robuste aux outliers. Intégration de données satellites (NDVI, EVI, NDWI, SAVI), features de trajectoire (biomasse, contenu en eau, vigueur de verdissement), pour une hausse du R² sur le rendement de ~0,18.

Refonte d'un outil critique de pilotage de la collecte, en remplacement d'un tableur manuel, sur un processus à fort enjeu financier régi par un contrat annuel. Reverse-engineering de l'ERP métier et modélisation de l'architecture de données, pipelines en data contracts et industrialisation des règles métier en Python (coefficients de saisonnalité, projection automatisée sur 36 mois), restitution via dashboards Qlik Cloud avec simulation de scénarios.