Mohamed Kabbaj

Dans le cadre de ma mission chez CIH Bank, j'ai conçu et déployé en production un système complet de détection de fraude et de scoring crédit :

Scoring crédit : Construction d'une scorecard bancaire pour l'octroi de crédit (Weight of Evidence, Information Value, Régression Logistique Lasso) avec maximisation du coefficient de Gini.

Détection de fraude : Benchmarking de plusieurs algorithmes (Logit, Random Forest, XGBoost) et mise en œuvre de stratégies de rééchantillonnage (SMOTE, Undersampling) pour traiter le fort déséquilibre entre transactions légitimes et frauduleuses.

MLOps & Industrialisation : Déploiement des modèles via des pipelines CI/CD, avec monitoring automatisé de la dérive des données (Data Drift) pour assurer la performance continue en production.

Stack : Python, Scikit-learn, XGBoost, MLflow, Docker, CI/CD

Impact : Système opérationnel en production, capable de détecter les transactions suspectes en temps réel tout en maintenant un taux de faux positifs maîtrisé.

Mission de conseil pour un acteur du secteur agricole, visant à anticiper et quantifier l'impact des chocs climatiques sur les prix des denrées agricoles :

Modélisation statistique avancée : Mise en œuvre de Filtres de Kalman pour estimer dynamiquement la volatilité des prix agricoles en réponse aux variations climatiques (sécheresse, précipitations irrégulières).

Télédétection & données spatiales : Exploitation d'images satellites pour le calcul de l'indice de végétation NDVI (Normalized Difference Vegetation Index), permettant de suivre l'état de la couverture végétale et d'anticiper les baisses de rendement.

Data Engineering spatial : Conception de pipelines automatisés de collecte, de nettoyage et de traitement de données géospatiales multi-sources (données météo, images satellites, séries de prix).

Stack : Python, NumPy, SciPy, Rasterio, GeoPandas, Séries Temporelles

Impact : Outil d'aide à la décision permettant d'anticiper les tensions sur les prix agricoles et d'éclairer les stratégies d'approvisionnement face aux risques climatiques.

Pendant 3 ans, j'ai piloté la stratégie data d'un ministère national, en assurant à la fois le cadrage stratégique et la mise en œuvre technique :

Cadrage & Stratégie Data : Direction technique de la feuille de route « Data » du ministère. Définition et structuration des indicateurs clés de performance (KPIs) pour l'aide au pilotage national de l'enseignement supérieur (taux de réussite, capacité d'accueil, flux étudiants, insertion professionnelle).

Modélisation Statistique : Conception de modèles de projection démographique basés sur l'approche Âge-Période-Cohorte (APC) pour anticiper l'évolution des effectifs étudiants à horizon 5–10 ans et dimensionner les infrastructures universitaires.

Architecture Décisionnelle & Analytics : Mise en place d'un système d'information décisionnel de bout en bout :

Pipelines ETL pour centraliser et fiabiliser les données multi-sources

Modélisation de la base de données analytique

Création de dashboards automatisés et interactifs pour les décideurs

Data Engineering : Nettoyage, structuration et automatisation du traitement de données massives issues de multiples établissements universitaires à l'échelle nationale.

Stack : Python, SQL, ETL, Power BI / Tableau, Modélisation statistique, Bases de données relationnelles

Impact : Système décisionnel opérationnel utilisé par les directions centrales du ministère pour orienter les politiques publiques d'enseignement supérieur — planification des capacités, allocation budgétaire et réforme des filières.