
À propos et CV
Je suis un ingénieur français en fin de formation, en double diplôme entre Arts et Métiers (ENSAM) et l’ÉTS Montréal. J’aime travailler avec les données sous toutes leurs formes, les explorer, comprendre ce qu’elles disent et les dessiner. Mon mémoire de maîtrise, soutenu le 26 juin 2026 et noté Excellent, suit la couverture de neige de 22 155 glaciers à partir d’images satellites. Je construis aussi des systèmes de suivi, des centrales d’acquisition sur le terrain jusqu’aux dashboards web, et je crée de l’art à partir des données avec lesquelles je travaille.

Ce que je cherche
Mon objectif est un doctorat à partir de février 2027, dans la continuité de mes études et de mon parcours. En attendant qu’un poste se présente, je travaillerai comme ingénieur. Dans les deux cas, je veux travailler avec de la donnée, du terrain, de la modélisation ou de l’instrumentation, sur des questions d’environnement qui ont une vraie science derrière, et sur des choses qui passent à l’échelle en volume de données, dans l’espace et dans le temps. Prêt à déménager au Canada et en Europe.
Citoyen français (UE). Permis de travail postdiplôme canadien valable jusqu’en 2029.
CV
Deux versions pour deux lecteurs, chacune en français et en anglais.
CV doctorat
Profil de recherche, publications, conférences, logiciels libres et références.
CV emploi
Deux pages centrées sur les systèmes, les outils et les résultats.
Expérience
De septembre à novembre 2026
Stagiaire analyste géospatial
- Développement d’un workflow Python de modélisation de l’habitat de la faune en Colombie-Britannique sur une grille de 10 m, des couches de terrain, de couverture du sol, de forêt, de perturbations, de neige et d’hydrologie jusqu’aux tendances annuelles de superficie d’habitat pour chaque unité de gestion (Theil-Sen, Mann-Kendall), avec un visualiseur et un export GeoTIFF et CSV. Développement confidentiel, réalisé pour l’entreprise.
- Adaptation de mon pipeline libre de couverture du sol, construit sur mon temps personnel et prolongé pendant le stage, pour alimenter ce workflow. Son U-Net utilise un conditionnement FiLM sur le capteur et le jour de l’année (21 canaux d’entrée, grille de 10 m, Landsat 5/7/8/9 et Sentinel-2) et a été entraîné sur 705 scènes annotées à la main avec un découpage par tuiles. Le mIoU de test atteint 0,604 et le kappa 0,749 sur des tuiles inédites.
- Exécution du pipeline sur 42 ans d’imagerie avec une détection de ruptures de type CCDC, qui date les perturbations comme les feux et les coupes forestières. Les poids du modèle sont publiés sur Hugging Face sous licence MIT.
De mai à août 2026
Développeur
- Refonte complète de la plateforme de stations météo BVECSM, des centrales d’acquisition jusqu’au site. Les données anciennes et nouvelles sont réunies dans un seul historique, avec leurs versions, depuis décembre 2015.
- Construction du site sous FastAPI (environ 60 pages) avec dashboards, comparaison historique, correction manuelle avec piste d’audit, état des capteurs, images des caméras de terrain, téléchargements en CSV, Excel et Parquet, et profils d’utilisateurs. Il couvre huit stations et à peu près 7 millions d’enregistrements, de séries à la minute à des séries journalières.
- Construction d’une chaîne de modélisation hydrologique avec GR4J, GR4J-CemaNeige, MOHYSE, un GR4J différentiable en PyTorch, un LSTM et un EA-LSTM, exécutée chaque jour sur deux stations de cours d’eau, à côté de 15 modèles environnementaux (neige, bilan d’énergie, évapotranspiration, nappe, température de la rivière).
- Automatisation du système de bout en bout, avec les fichiers des centrales relus toutes les 30 secondes et des synchronisations toutes les 5 à 15 minutes. Des chercheurs, des cours de l’ÉTS, la municipalité et des agriculteurs locaux l’utilisent.
- Travail de terrain aux stations, avec installation du matériel et prélèvements.
De septembre 2024 à juin 2026
Chercheur à la maîtrise, télédétection et deep learning
- Développement d’un pipeline de segmentation U-Net (neige, glace, nuage, autre) pour cinq capteurs (Landsat 5/7/8/9 et Sentinel-2), entraîné sur un corpus auto-annoté de 206 glaciers et 540 scènes. Le mIoU de test est de 0,705 avec un découpage par glacier.
- Mesure de la fuite d’un découpage par scène, où 35,9 % des glaciers se trouvaient des deux côtés du découpage. Dans cette exécution, les scènes de glaciers vus à l’entraînement obtiennent un mIoU par scène de 0,696, contre 0,575 pour des glaciers jamais vus.
- Reconstitution de la fraction de neige de fin d’été de 22 155 glaciers de 1984 à 2025, soit 786 014 observations glacier-année.
- Exploitation de l’enregistrement dans un second manuscrit, en évaluation, sur la réponse de chaque glacier pendant quatre décennies.
- Extension du pipeline aux glaciers tributaires (Kluane) et aux classes eau, végétation, roche et débris (Peyto, Wapta). Il soutient maintenant un chapitre de thèse d’un collègue doctorant et deux projets dirigés par les superviseurs.
- Soutien de terrain aux collègues, avec des prélèvements pour des études d’infrastructures vertes urbaines et l’installation de matériel aux stations météo de Sainte-Marthe.
Formation
2024–2026
M.Sc. en génie de la construction (mémoire)
Mémoire par articles soutenu le 26 juin 2026, noté Excellent. Dirigé par Michel Baraër (ÉTS) et Caroline Aubry-Wake (University of Lethbridge).
2022–2026
Diplôme d’ingénieur (équivalent M.Eng.)
Diplôme attendu début 2027. Cursus généraliste en double diplôme avec l’ÉTS, qui couvre le génie électrique et l’automatique, l’énergie, la mécanique et la mécanique des solides, la mécanique des fluides, les matériaux et composites, la conception de systèmes, la robotique, l’informatique et les procédés de fabrication (fonderie, forge, travail du bois).
2020–2022
Classes préparatoires (CPGE)
Compétences
- Machine learning
- PyTorch (U-Net with attention and FiLM conditioning, LSTM, GPU training), SegFormer, DeepLabv3+, Random forest, CatBoost, LightGBM, SHAP, Optuna, scikit-learn
- Observation de la Terre et géospatial
- Landsat, Sentinel-2, Google Earth Engine, ArcGIS (including ArcGIS Hydro), QGIS, Zarr, rasterio, LiDAR and DEM processing
- Données et statistiques
- Python (pandas, NumPy, numba, Parquet, DuckDB, Polars), Julia, MATLAB, JavaScript, SQL, Survival analysis, Theil-Sen and Mann-Kendall trends, Break detection (CCDC/COLD-style)
- Hydrologie
- GR4J, MOHYSE, Differentiable and LSTM-based rainfall–runoff models, HEC-HMS, MODFLOW (groundwater)
- Instrumentation et logiciels
- Campbell Scientific data loggers (CRBasic, LoggerNet), FastAPI, Streamlit, Git and GitHub, LaTeX, Hugging Face, conda, VS Code
- Ingénierie et simulation
- SolidWorks, Abaqus (finite element simulation), 3DEXPERIENCE, Electrical energy systems, Physical modelling, Blender, Canva
Langues
- FrançaisLangue maternelle
- AnglaisUsage professionnel quotidien, TOEIC 845/990 (2023)
En dehors du travail
Randonnée et balades en nature, natation, jeux de société coopératifs. Je me remets à la photographie, et je fais du data art à partir de mes données scientifiques.
Vulgarisation et adhésions
- Atelier sur le cycle de l’eau (pluie, ruissellement, infiltration) pour les camps de jour de Sainte-Marthe2 July 2026
- Avec une collègue, des données, des scans LiDAR et des outils sur mesure pour un artiste en résidence à l’ÉTS, qui explore le changement climatique par l’art2026
- Membre de l’Union géophysique canadienne2026
Me contacter
Pour une direction de thèse, une collaboration de recherche ou un poste d’ingénieur, écrivez-moi par courriel. Je réponds en français comme en anglais.