Parcours

Applied AI Scientist

Orange Business

Flux Vision — Orange Research

Modèles génératifs pour la génération de traces de mobilité synthétiques, du prototype de recherche au pipeline de production.

• Responsable recherche sur des modèles génératifs à base de transformers produisant des traces de mobilité réalistes, permettant à Orange de valoriser la donnée opérateur sans exposer de trajectoires réelles.
• Conception des pipelines de données sous-jacents : Apache Airflow orchestrant un traitement distribué sur plusieurs machines, parallélisé horizontalement via Docker et Celery.
• Passage du notebook à la production : entraînement reproductible, suivi d'expériences, service conteneurisé, pratiques MLOps de bout en bout.
• Définition et ouverture d'un stage de fin d'études sur la modélisation générative de la mobilité ; cadrage du sujet et encadrement.
• Collaboration avec les équipes réseau, privacy et produit pour transformer les résultats de recherche en systèmes déployables.

Doctorant — Deep Learning pour la planification radio

Orange

Doctorat avec l’UTBM — Institut FEMTO-ST

Remplacement de la simulation physique lente par des modèles génératifs prédisant la couverture Wi-Fi directement depuis une image de plan, puis optimisation du placement des points d'accès.

• Conception d'IRGAN, un GAN conditionnel prédisant une carte radio indoor complète depuis un plan 2D à 2,5 dB de RMSE — assez rapide pour être intégré dans une boucle d'optimisation, contrairement au lancer de rayons.
• Extension par modèles de diffusion conditionnels et ResUNet informé par la physique : Top 5 sur 16+ équipes au Grand Challenge ICASSP 2025 sur la prédiction généralisable d'affaiblissement.
• Résolution de l'écart simulation–réalité par fine-tuning sur des mesures 5 GHz collectées en conditions réelles (EuCAP 2024).
• Couplage du modèle de propagation appris avec des métaheuristiques — recuit simulé, recherche tabou, algorithmes génétiques — pour le placement automatique de points d'accès.
• Dépôt d'un brevet sur la prise en compte de l'incertitude du modèle dans l'optimisation Wi-Fi indoor.
• Publication de 4 articles internationaux et 3 nationaux ; développement d'un démonstrateur React + Flask.
• Encadrement d'un mémoire de Master sur la vectorisation automatique de plans ; enseignement des systèmes sans fil, de Linux et du C pendant deux ans.

Stagiaire chercheur — Télédétection

LISIC, Université du Littoral Côte d’Opale

Deep learning pour la fusion d'images satellitaires multi- et hyper-spectrales.

• Conception ex nihilo d'une architecture de fusion exploitant les données hyperspectrales Sentinel-3 pour combler les séries temporelles multispectrales Sentinel-2.
• Publication du résultat à ICASSP 2022 et GRETSI 2022 en premier auteur.