Articles.
Pipelines, tableaux de bord, modèles et agents. Ce que je construis, et les compromis que ça impose.
Tous les articles
Un dashboard n'est pas une décision
Mon premier vrai dashboard en alternance était magnifique. Le souci : presque personne ne l'ouvrait. Retour honnête sur une leçon que l'école ne m'avait pas apprise.
Comment j'ai appris Dataiku DSS en deux semaines
Deux semaines pour passer de zéro à opérationnel sur Dataiku DSS, juste avant mon alternance à La Poste. Ce qu'est vraiment l'outil, comment je l'ai appris, et ce que j'en fais aujourd'hui.
Mon avis sur les IA et les modèles actuels
Un point de vue de praticien sur l'état des modèles d'IA : ce qui a vraiment changé, ce qui relève encore de la démo, et où ils m'aident au quotidien.
Quelles compétences pour devenir Data Analyst en 2026
Au-delà de SQL et Power BI : les compétences techniques et métier qui font réellement la différence pour un Data Analyst en 2026, et celles qui sont surestimées.
Pourquoi vos tableaux de bord Power BI ne sont jamais ouverts
Le problème est rarement technique. Trois causes récurrentes observées sur une dizaine de dashboards livrés, et ce qui a marché pour y remédier.
Ce que 23 000 profils m'ont appris sur l'adoption du Mobile Money
Un modèle qui atteint 0,91 d'AUC n'est pas forcément un modèle utile. Comment j'ai construit, cassé, puis reconstruit une prédiction d'adoption du Mobile Money en Afrique de l'Ouest.
Dataiku ou Python pur : choisir selon la durée de vie du pipeline
Une grille de décision fondée sur qui maintiendra le flux dans deux ans, plutôt que sur les préférences de l'équipe qui le construit.
Un agent LLM en production : ce que personne ne dit sur la latence
Entre la démo à 2 secondes et l'appel réel à 11 secondes, il y a une architecture. Retour sur la mise en production d'un agent de transcription.
Modéliser des flux logistiques : le schéma en étoile n'est pas toujours la réponse
Sur des données de traçabilité colis, la granularité événementielle casse le modèle dimensionnel classique. Comment j'ai contourné le problème.
Kafka pour les analystes : trois concepts suffisent
Topic, partition, offset. Le reste peut attendre. Une introduction pensée pour ceux qui consomment un flux sans avoir à l'administrer.
Le RAG n'est pas une base de connaissances
Confondre récupération et vérité produit des réponses confiantes et fausses. Ce qu'il faut mesurer avant de brancher un LLM sur ses documents.
Mesurer l'impact d'un modèle : au-delà de l'AUC
Traduire une métrique statistique en euros, en heures gagnées ou en risque évité. Un exercice inconfortable mais nécessaire.
