Yukigen est un studio indépendant de Data Science & IA appliquée. Sept ans de projets end-to-end — de la donnée brute à la mise en production — à l'interface entre le métier et la technique, en choisissant à chaque fois le bon niveau d'outillage : script, modèle ML ou agent IA.
Des interventions cadrées, avec un livrable qui tourne — pas un slide de plus.
Scoring, segmentation, prédiction, analyse de survie et optimisation sous contraintes, expliqués (SHAP) et branchés sur un usage concret : plan d'action commercial, allocation de ressources, priorisation.
Pipelines multi-sources (API, SFTP, OCR, EDI), architectures bronze / silver / gold, orchestration cloud, règles de rapprochement et de qualité qui tiennent dans la durée.
Agents LLM (Claude, GPT), RAG, orchestration multi-agents et garde-fous : des automatisations qui vérifient, tracent et restent conservatrices quand il le faut.
Chaque chiffre ci-dessous est documenté dans le détail de mission — je les partage volontiers en entretien.
Pipeline d'enrichissement sur 6 connecteurs avec cascade de priorités et résolution capitalistique récursive ; trois IA orchestrées (Claude en copilote data, Clay pour l'enrichissement, agents Claude parallèles pour la vérification web) ; réassignation de 40 058 groupes sur 50 commerciaux via scoring multi-critères, avec une app Streamlit pour les arbitrages.
Mission Data Science & Product Owner : définition des champs pivots (SIREN, contrat…), règles de rapprochement strictes, structuration du pivot data, travail direct avec plus de quinze fournisseurs (énergie, ascenseurs, eau, compteurs) en parallèle.
Feature engineering sur l'historique d'interactions, prédiction de l'engagement (LightGBM), puis formulation et résolution du problème d'allocation sous contraintes métier (CVXPY). Interprétation SHAP / ICE pour rendre les arbitrages lisibles.
Structurer fort dès le départ, travailler par couches, automatiser au maximum, documenter systématiquement — et chercher la robustesse avant la complexité.
Le problème métier, les données réellement disponibles, la décision à améliorer. Arbitrages ROI explicites.
Données → modèle → usage. Chaque couche testée et réutilisable, pas de prototype jetable.
Une app, une API ou un flux qui tourne, avec les garde-fous et la traçabilité qui vont avec.
Documentation, passation, montée en compétence des équipes. Le système doit vivre sans moi.
Des outils choisis pour durer, pas pour la démo.
Derrière Yukigen, un consultant indépendant : ingénieur IMT Atlantique (data science, BI, statistiques), master X-HEC Entrepreneurs et M2 Ingénierie mathématique & statistiques à l'Université Paris Cité. J'ai travaillé dans la pharma, l'immobilier, la grande distribution, le SaaS B2B, l'assurance, la banque et le BTP — toujours au même poste : celui qui traduit dans les deux sens entre les équipes métier et la technique.
Yukigen est le nom sous lequel je mène mes missions et développe mes propres outils. Les produits hébergés ici tournent sur une infrastructure que je maintiens moi-même, et les démos de données s'appuient sur Snowflake.
En dehors du clavier : badminton en club, escalade, course à pied, photographie aérienne par drone.
Décrivez-moi le contexte en quelques lignes ; je reviens vers vous sous 48 h avec une première lecture et des options.