Nicolas Decoopman

Data Scientist & AI Engineer

skills.txt

> Je 

Comprendre.
Construire.

Photo de Nicolas Decoopman

J'analyse et structure des systèmes complexes pour concevoir des solutions robustes et opérationnelles. Mon expertise combine data engineering, systèmes distribués et mise en place opérationnelle : de l'ingestion des données à la livraison d'outils décisionnels .

Comprendre le système et le construire

Mon parcours.

  1. En cours

    Whympr

    Data Scientist & AI Engineer

    PythonMachine LearningSIGPipelines Data

    Déployer et maintenir des modèles d'IA basés sur des données environnementales, géospatiales et d'usage pour enrichir l'expérience utilisateur. Collaborer avec le CTO sur la définition de l'architecture data, structurer les pipelines d'agrégation et concevoir les outils internes d'analytics pour guider les choix produit.

  2. 2026

    Whympr

    Data & Analytics Engineer

    SQLdbtSupersetDocker

    Construire un pipeline ETL Python/dbt consolidant Google Analytics, Stripe et PostgreSQL, avec 180+ événements modélisés et suivi complet du cycle d’abonnement. Déployé les tableaux de bord métier dans Superset avec exécution quotidienne automatisée.

    Rapport détaillé
  3. 2025

    naivo

    Full-Stack Data Engineer

    APIsSQLDevOpsCI/CD

    Transformer des sources de données (10+) hétérogènes et dispersées en une carte unique d’aide à la décision. Automatisé l’ingestion multi-API, la production cartographique et la diffusion web basse latence (~100 ms mobile). Projet distingué par data.gouv.fr et relayé dans la presse.

    Rapport détaillé
  4. 2025

    Nivéo

    Cloud Engineer

    IaCAWSDevOpsCI/CD

    Automatiser la publication quotidienne des données d’enneigement à l’échelle nationale. Conçu une infrastructure cloud serverless sécurisée et entièrement déployée en Infrastructure as Code. Le site cartographique est mis à jour automatiquement à chaque nouvelle donnée.

    Rapport détaillé
  5. 2025

    CNRS

    Data Engineer & Scientist

    DaskAirflowStreamlitCI/CD

    Produire un pipeline de climatologie sur serveur Linux HPC avec un traitement massif de données (100Go +) avec une modélisation statistique avancée des extrêmes en tous points (100k +). Réduction du temps de calcul de 80% et production de livrables scientifiques automatisés et soumis à la revue internationale de rang A HESS (Copernicus).

    Rapport détaillé
  6. 2025

    Projet

    Data Engineer & Scientist

    C++NumPyLinuxSlurm

    Modéliser l'ensoleillement terrain sur de grands territoires pour des usages dans le domaine de l'énergie ou de l'agriculture. Optimiser un moteur de calcul parallèle haute performance et industrialiser son orchestration sur cluster HPC. Production de cartes exploitables à l’échelle nationale.

    Rapport détaillé
  7. 2025

    Projet

    Data Scientist

    Scikit-learnSciPyPandasMLOps

    Évaluer 7 méthodes d’imputation pour fiabiliser les modèles sur des données incomplètes. Identifier les approches les plus robustes selon plusieurs scénarios réalistes de données manquantes. Résultats directement exploitables pour améliorer la qualité des pipelines de Machine Learning.

    Rapport détaillé
  8. 2024

    Projet

    Data Scientist

    Scikit-learnPyTorchHugging FaceOllama

    Classifier automatiquement les avis clients de restaurants suivant 4 aspects : prix, cuisine, service et ambiance. Comparer les approches LLM zeroshot et deep learning supervisé, puis optimiser un modèle CamemBERT fine-tuné. Pipeline reproductible prêt pour une industrialisation.

    Rapport détaillé
  9. 2024

    Projet

    Data Scientist

    Scikit-learnXGBoostMLOpsCI/CD

    Entraîner et optimiser des modèles sur 94 000 variables biologiques afin de prédire la résistance aux antibiotiques à partir de données multi-omiques. Les résultats améliorent décisionnellement la capacité de détection tout en restant interprétables. Précision moyenne de 86%.

    Rapport détaillé
  10. 2024

    {NCS}decoopman

    DevOps

    QuartoAstroDevOpsCI/CD

    Automatiser la publication complète du site et des rapports analytiques sans intervention manuelle. Chaque mise à jour déclenche la régénération du site et des rapports analytiques, la génération et la mise en ligne via GitHub Actions. Garantit cohérence, traçabilité et gain de temps éditorial.

    Rapport détaillé
  11. 2019

    INRA

    Data Scientist & Analyst

    BiostatistiquesMachine LearningModélisationMécanistique

    Construire un modèle reliant biomarqueurs et inflammation pour le suivi sanitaire en élevage. Analyser 766 mesures expérimentales et reconstruire 200+ profils indivuduels. Résultats actionnables pour l’aide à la décision terrain et valorisés par l'Académie Vétérinaire de France.

    Rapport détaillé

Agréments fiscaux.

Ministère de l'Enseignement Supérieur et de la Recherche (MESR)

Le montant facturé est déductible de votre impôt sur les sociétés (IS) :

CIRRecherche
-30 %

Travaux de R&D, levée de verrous technologiques et démarche scientifique.

CIIInnovation
-20 %

Conception de prototypes, architectures nouvelles et installations pilotes.

Mention explicite portée d'office sur vos devis et factures (Art. 244 quater B du CGI).

Une question ?
Contactez-moi !

Mes partenaires.

  • Whympr
  • naivo
  • INRAE
  • CNRS
  • AVF
  • IRD
  • IGE
  • Météo-France
  • Iphigénie