Parcours
Du raisonnement financier à la donnée
Je n'ai pas commencé par la data. J'ai commencé par les chiffres qui engagent quelqu'un, dans un contexte où se tromper coûte cher. C'est ce qui explique ma façon de travailler aujourd'hui.
Ce que la finance m'a appris
Master en gestion et finance à l'IAE de Bordeaux, puis un second master à l'INSEE. J'ai ensuite exercé comme conseiller financier, puis sur des fonctions de budget et de contrôle.
Dans ces métiers, un chiffre n'est jamais une fin. Il sert à arbitrer, à engager un budget, à conseiller quelqu'un sur son argent. On apprend vite trois choses : à contrôler la qualité de ce qu'on manipule, à interpréter un indicateur au lieu de le lire, et à restituer à des décideurs qui ne liront pas votre méthode mais qui vivront avec votre conclusion.
La reconversion
Formation de data analyst à la Wild Code School, de novembre 2025 à avril 2026. Cette reconversion m'a donné la partie qui me manquait : produire des livrables techniques de bout en bout, vues SQL orientées métier, pipelines de transformation, analyse Python, tableaux de bord.
Le passage s'est fait vite parce que le raisonnement était déjà là. Ce que la formation a apporté, c'est l'outillage. Ce que j'avais déjà, c'est l'habitude de me demander à quoi sert le chiffre avant de le calculer.
Ce qui a suivi
Une mission de deux mois sur l'automatisation d'un reporting international, menée en binôme. Puis un stage chez Dépist&vous, en tant que seul profil data d'une équipe de six, pour construire la fonction analytique de zéro. Depuis août 2026, je travaille en indépendant.
Ma façon de travailler
Je challenge les chiffres avant de les livrer
Un résultat plausible n'est pas un résultat juste. Sur une base de production, j'ai identifié une dizaine d'anomalies qui produisaient des taux d'adoption supérieurs à cent pour cent sans jamais lever la moindre erreur. Le premier travail consiste toujours à savoir à quoi on peut se fier.
Je documente pour que ça survive à mon départ
Une règle analytique qui n'existe que dans ma tête n'est pas une règle. Je produis des documents de référence, schéma de base, logique métier, définitions d'indicateurs, pour que l'équipe reste autonome et que le même chiffre reste le même dans six mois.
Je dis quand je ne sais pas
Sur un modèle médico-économique, j'ai tracé explicitement chaque hypothèse non sourcée, et bloqué l'usage commercial de l'une d'elles, potentiellement sous-évaluée d'un facteur 3 à 8, tant qu'elle n'était pas tranchée. Un modèle présenté comme certain aurait exposé l'entreprise.
Je parle la langue de l'interlocuteur
Taux de conversion, coût d'acquisition, rétention. Je ne parle de fenêtre glissante ou de modélisation en étoile que si mon interlocuteur l'a fait en premier. Un livrable qui oblige à traduire n'a pas fini son travail.
Compétences techniques
Cette liste est là pour répondre à une question précise, pas pour impressionner. Ce qui compte est en amont.
Bases de données et SQL
MySQL, PostgreSQL, BigQuery, SQLite. Modélisation relationnelle et en étoile, vues, fonctions de fenêtrage, JSON_TABLE, pivots, optimisation de requêtes, rétro-ingénierie de schémas existants.
Python et traitement de données
pandas, NumPy, nettoyage et validation, analyse exploratoire, requêtage d'API, openpyxl, WeasyPrint pour la génération de rapports.
Visualisation et restitution
Metabase, Power BI et DAX, Looker Studio, D3.js, Matplotlib, Seaborn, Streamlit. Intégration sécurisée de tableaux de bord en marque blanche par JWT.
Data engineering
Pipelines ETL et ELT, dbt, Prefect, GitHub Actions, notions Docker, Google Cloud Platform, Supabase. Qualité des données et normalisation de référentiels.
Machine learning
scikit-learn, XGBoost, classification, régression, clustering, validation croisée, recherche d'hyperparamètres, analyse de sentiment.
Développement et outils
React, FastAPI, Tailwind CSS, Git, Notion, Linear, Slack. Suffisamment pour spécifier une intégration et dialoguer avec une équipe technique.
Domaines
Startups en phase de structuration, de la pré série A à la série B, qui produisent de la donnée sans avoir encore d'équipe dédiée. Expérience approfondie du secteur santé, de ses contraintes RGPD et des arbitrages de ré-identification sur petits effectifs.