Architecte de données et de knowledge graphs. Je transforme des données d'entreprise en désordre — multi-sources, mal structurées ou historiques — en modèles fiables, exploitables et prêts pour l'analyse et l'intelligence artificielle.
27 ans à concevoir des plateformes métier orientées données. Je maîtrise toute la chaîne : comprendre le métier, modéliser les données, construire l'architecture et coder le système. Je rends les données assez propres, structurées et intelligibles pour que l'analyse et l'IA deviennent enfin utiles.
Ma signature : un même méta-modèle objet / attribut / relation, construit et affiné depuis 25 ans — des knowledge graphs avant que le terme n'existe.
Concrètement : une base de données classique vous dit ce que vous possédez ; un knowledge graph, lui, sait comment tout est relié — et répond à des questions qu'un tableau ne sait pas traiter, comme « si ce fournisseur tombe, quels produits sont touchés ? ».
J'interviens auprès de PME, industriels, groupes produit ou organisations dont les données métier sont riches, historiques et dispersées — entre Excel, ERP, bases internes, documents et outils métier.
Du diagnostic rapide à l'exploitation avancée — la plupart démarrent par une mission courte et cadrée. Reconnaissez-vous l'une de ces situations ?
Avant tout, savoir ce que vos données disent vraiment — et où elles vous trahissent.Livrable : cartographie de vos données, incohérences et quick wins.
Ce que vos données permettent vraiment, et ce qui les bloque.
Détecter les saisies en retard, en rafale ou corrigées après coup, qui faussent vos tableaux de bord.
Nettoyer, relier, migrer : transformer un patrimoine de données dispersé en référentiel fiable.Livrable : un référentiel consolidé, fiable et prêt à l'emploi.
Distinguer les réalités différentes cachées sous une même rubrique.
Occuper l'entre-deux entre l'ancien système et SAP, et repérer les règles inapplicables avant la bascule.
Structurer documents et historiques dispersés en un corpus fiable, exploitable par un assistant IA.
Une fois les données solides, en tirer des décisions : tendances, signaux, prédictions, mémoire.Livrable : indicateurs, signaux et premiers modèles ML/IA exploitables.
Neutraliser les effets de structure pour voir les vraies dérives, invisibles dans les moyennes.
Séparer le cycle saisonnier de l'anomalie réelle, et cibler la prévention au bon moment.
Croiser entretiens, tâches réelles et parcours pour voir un départ se préparer.
Croiser opérationnel et financier pour mettre un montant sur ce qui vous agace.
Tracer décisions et effets : « dans un cas semblable, voici ce qui avait été décidé, et le résultat ».
Le résultat dépend toujours de vos données et de votre contexte. Ce que je garantis, ce n'est pas un chiffre promis d'avance — c'est une méthode rigoureuse pour le chercher, et l'honnêteté de vous dire quand la piste ne mène nulle part.
La plupart des collaborations démarrent par un diagnostic court : un état des lieux de vos sources, incohérences, règles cachées, risques de migration et potentiel IA.
Livrable : cartographie de vos données, priorités, quick wins et recommandation d'architecture.
Pas de solution préfabriquée ni de jargon technique. Une démarche simple, que vous pouvez suivre de bout en bout.
Je pars de votre problème métier et de vos données telles qu'elles sont — pas d'un modèle théorique plaqué de l'extérieur.
Je fais entrer vos données dans le moins de règles possible. Chaque exception qui résiste révèle une règle métier ou un historique oublié — et le vrai modèle apparaît.
Ce qui marche comme ce qui ne marche pas. Vous savez toujours oĂą on en est, et pourquoi.
Le résultat vit dans vos outils et continue de servir longtemps après mon départ.
Trois preuves, trois qualités : maturité, robustesse, antériorité.
Qibud est la plateforme de pilotage stratĂ©gie-exĂ©cution que je conçois et fais Ă©voluer en continu. Un knowledge graph temporel qui intègre le machine learning et l'IA — le mĂŞme modèle objet / attribut / relation que j'affine depuis 25 ans, poussĂ© Ă son aboutissement. C'est lĂ que je garde mon savoir-faire Ă la frontière, et c'est cette rigueur que j'apporte Ă vos donnĂ©es.
Utilisé par des organisations exigeantes, de la joaillerie de luxe au BTP.
Mes mandats restent prioritaires, menés avec un engagement clair de disponibilité et de livrables. Qibud est mon laboratoire, pas un conflit d'agenda.
Qibud n'est pas un prérequis : j'interviens directement dans vos systèmes, vos outils et vos données existants.
Plateforme stratégie-exécution bâtie sur un modèle universel objet / attribut / relation. Knowledge graph temporel, embeddings, indicateurs ML/IA en séries temporelles.
Traitement et structuration de données métier à fort volume ; migration ERP vers SAP.
Plateforme reliant brevets et produits, issue de la recherche EPFL. Crawling, parsing à grande échelle et machine learning, financée notamment par la Sloan Foundation.
Backoffice des services cantonaux des automobiles. Un extranet conçu alors tourne encore aujourd'hui.
Concepteur de Centrix (PIM) pour le luxe et l'industrie : Swatch Group, LVMH, Richemont, Tornos. Architecture en graphe, imports automatisés de données complexes. Équipe de ~12 ingénieurs.
« Orange Mate » : génération automatisée d'un rapport hebdomadaire de 300 pages, remplaçant un fichier Excel non sécurisé.
12e employé. Framework d'extranets pour le Comité International Olympique ; produit mINTEGRATE présenté au salon Orbit de Bâle.
À onze ans, sur un Amstrad, je programmais des simulations de championnats de hockey : je pondérais les équipes, je gérais des classements et des coupes. Je manipulais déjà des données sans en connaître le nom. Trente-cinq ans plus tard, je fais la même chose à l'échelle de grands groupes industriels.
Pendant longtemps, j'ai cru exercer plusieurs métiers. En réalité, j'ai affiné une seule idée : un modèle où tout est objet, attribut et relation, capable d'absorber la complexité du métier sans enfermer l'entreprise dans une architecture rigide.
Mon plaisir : recevoir des données « pourries », correctes à 80 %, et faire rentrer le reste dans le moins de règles possible. Chaque règle révèle une exception métier ou un historique oublié. Quand tout s'emboîte, je sais que le modèle est juste — et qu'on peut enfin faire parler les données.
Disponible pour des mandats en Suisse romande et Ă distance.