Mes projets — expliqués simplement

Mon parcours en un coup d'œil

Le fil rouge (« un tout »)

« Le rapport avec ton passé scolaire ? » — comment répondre

École de commerce → data

« Mon BBA m'a appris à comprendre un besoin métier et à analyser des chiffres (finance, stats, KPI). Dans un poste data, savoir pourquoi on traite une donnée compte autant que savoir la traiter. »

Ce que la finance apporte

« Les directions financières sont les plus gros clients de l'automatisation (reporting, contrôle, fiabilité des données). Je comprends ce que le robot ou le dashboard doit produire. »

Pourquoi le Mastère IA & Big Data

« Pour transformer ma pratique autodidacte en compétence solide et reconnue : machine learning, data engineering, traitement à grande échelle. L'alternance Orange me fait vivre ça en vrai. »

« Vous codez vraiment ? »

« Oui — 6 projets publics sur mon GitHub, avec des tests. Je peux ouvrir le code et expliquer n'importe quelle brique (base SQL, API, LLM, scoring…). »

Le côté hybride = un atout

« Ce profil business + technique est rare et exactement ce qu'il faut pour faire le pont entre les métiers et l'automatisation. »

Comment mes projets prouvent ce parcours

TaskFlow

Je sais livrer une appli complète (front + back + base + tests) → socle SQL/Python/web demandé par Orange.

Valorisation CAC 40 & Scoring crédit

Héritage direct de mon BBA finance : analyse financière, ratios, risque → je relie data et métier.

Portefeuille virtuel

Mesurer performance et risque → rigueur quantitative (stats, KPI) issue de l'école.

Outil IA de reporting (Product Owner)

Le pont métier ↔ technique : cadrer, prioriser, dialoguer avec les devs — exactement le « Think » d'Orange.

Assistant de wallets

IA + automatisation d'un traitement de données → l'esprit du poste (analyser + automatiser).

💡 Pour l'entretien : garde aussi sous la main l'antisèche dédiée ANTISECHE_Entretien_Orange (pitch, cycle Think/Build/Run, RPA/UiPath, questions pièges). Cette page-ci répond surtout au « d'où tu viens et pourquoi ça colle ».

En clair

Le problème qu'il résout

Organiser son travail avec des tâches et des projets. Ça paraît simple côté écran, mais derrière il faut : stocker les données durablement, gérer des comptes sécurisés, et faire dialoguer l'écran avec le serveur. Ce projet prouve que je sais assembler toutes ces briques.

Comment ça marche, étape par étape

1. L'utilisateur crée un compte et se connecte (mot de passe stocké chiffré, jamais en clair).
2. Il crée des projets (nom, description, couleur).
3. Dans un projet, il ajoute des tâches avec une priorité et une échéance.
4. Il déplace les tâches entre les colonnes Kanban (À faire → En cours → Terminé).
5. Chaque action est envoyée au serveur et enregistrée en base de données — on retrouve tout à la reconnexion.

Les termes techniques, expliqués

Full-stack

« Toute la pile » : je m'occupe à la fois du front (ce qu'on voit) et du back (le serveur + la base). Pas juste une moitié.

Front-end

La partie visible dans le navigateur : les pages, les boutons, le design (HTML, CSS, JavaScript).

Back-end

La partie invisible, sur le serveur : elle reçoit les demandes, applique les règles et parle à la base de données.

Flask

Un petit « moteur » Python pour construire le back-end d'un site web (recevoir les requêtes, renvoyer les réponses).

Base de données

Un endroit qui stocke les données durablement (utilisateurs, projets, tâches), même quand on ferme l'appli. Ici : SQLite.

ORM (SQLAlchemy)

Un traducteur : il me laisse manipuler la base en Python (objets User, Project, Task) au lieu d'écrire du SQL à la main. Plus lisible, moins d'erreurs.

API REST

La « prise » standard par laquelle l'écran et le serveur s'échangent des données (au format JSON), via le web.

Authentification / hachage

Gérer les connexions. Le mot de passe est haché (transformé en une empreinte irréversible) : même moi je ne peux pas le lire.

Jinja2

Le système qui génère les pages HTML en y insérant les données (ex. afficher le nom de l'utilisateur connecté).

pytest

L'outil qui lance des tests automatiques pour vérifier que le code fonctionne (inscription, création de tâches…).

Kanban

Une méthode d'organisation visuelle : des tâches sous forme de cartes qu'on déplace entre des colonnes selon leur avancement.

En clair

Le problème qu'il résout

Estimer la valeur d'une entreprise est la question de base de la finance (investissement, rachat, introduction en Bourse). Il n'existe pas un seul chiffre « vrai » : on utilise plusieurs approches et on regarde si elles convergent.

Comment ça marche, étape par étape

1. Je pars des états financiers (compte de résultat, bilan) et je les retraite (nettoie/ajuste).
2. Je calcule des ratios pour juger la santé : rentabilité, endettement, liquidité.
3. Méthode 1 — DCF : j'estime les flux d'argent futurs de l'entreprise et je les ramène à aujourd'hui.
4. Méthode 2 — comparables : je compare l'entreprise à des sociétés similaires via des multiples de marché.
5. Je fais une analyse de sensibilité (« et si les hypothèses changent ? ») puis une recommandation argumentée.

Les termes techniques, expliqués

Valorisation

Estimer combien vaut une entreprise (sa valeur, pas juste son prix en Bourse à un instant T).

CAC 40

L'indice des 40 plus grandes entreprises cotées à la Bourse de Paris.

États financiers

Les documents comptables officiels : le compte de résultat (ce que l'entreprise gagne/dépense) et le bilan (ce qu'elle possède/doit).

Ratios financiers

Des rapports entre deux chiffres qui donnent une info parlante. Ex. dette / capitaux propres = niveau d'endettement.

DCF

Discounted Cash Flow : on additionne les flux de trésorerie futurs de l'entreprise, en les « actualisant » (1 € demain vaut moins qu'1 € aujourd'hui).

FCF

Free Cash Flow = le vrai cash disponible que génère l'entreprise une fois ses dépenses payées.

WACC

Le taux d'actualisation : combien « coûte » l'argent de l'entreprise. Il sert à ramener les flux futurs à leur valeur d'aujourd'hui.

Valeur terminale

La valeur estimée de l'entreprise au-delà de l'horizon de prévision (on ne peut pas prévoir chaque année à l'infini).

Comparables (multiples)

On valorise en comparant à des sociétés semblables via des ratios comme EV/EBITDA ou P/E (cours / bénéfice).

Analyse de sensibilité

On fait varier les hypothèses (taux, croissance) pour voir à quel point le résultat bouge — un tableau WACC × croissance.

En clair

Le problème qu'il résout

Un bon investissement ne se juge pas qu'au rendement : deux portefeuilles qui rapportent pareil peuvent avoir des risques très différents. Ce projet montre comment piloter le couple rendement / risque.

Comment ça marche, étape par étape

1. Je définis une composition (ex. 15 % LVMH, 20 % ETF actions monde, 25 % obligations, 10 % or…).
2. Je génère ~3 ans de prix (données simulées) pour faire tourner le modèle.
3. Je calcule les rendements puis les indicateurs de risque (volatilité, Sharpe, drawdown…).
4. Je regarde la diversification via les corrélations entre actifs.
5. Je rééquilibre périodiquement et je compare au benchmark 60/40, avec un rapport automatique.

Les termes techniques, expliqués

Portefeuille

L'ensemble des placements qu'on détient (actions, obligations, etc.).

Classe d'actifs

Une famille de placements au comportement proche : actions, obligations, or, liquidités…

ETF

Un panier coté qui réplique tout un indice (ex. « le S&P 500 ») en un seul achat : diversifié et peu coûteux.

Obligation

Un prêt à un État/une entreprise qui verse des intérêts : moins risqué qu'une action, en général.

Allocation

La répartition cible de l'argent entre les classes d'actifs (le « plan » du portefeuille).

Volatilité

À quel point le prix bouge dans tous les sens. C'est la mesure de base du risque (écart-type des rendements).

Ratio de Sharpe

Le rendement rapporté au risque pris : (rendement − taux sans risque) / volatilité. Plus il est haut, mieux on est payé pour le risque. Au-dessus de 1 = bon.

Diversification

Ne pas « mettre tous ses œufs dans le même panier ». Des actifs peu corrélés réduisent le risque global.

Corrélation

Est-ce que deux actifs montent/descendent ensemble ? De −1 (opposés) à +1 (synchronisés).

Max drawdown

La pire perte subie depuis un sommet : « combien j'aurais perdu au pire moment ».

Alpha

La sur- (ou sous-) performance par rapport au benchmark de référence.

Benchmark

Un point de comparaison (ici 60 % actions / 40 % obligations) pour juger si on fait mieux ou moins bien.

Rééquilibrage

Revenir périodiquement aux proportions cibles (on revend ce qui a trop monté, on rachète ce qui a baissé).

En clair

Le problème qu'il résout

Prêter de l'argent, c'est prendre le risque de ne pas être remboursé. Les banques doivent noter ce risque objectivement pour décider (prêter ou non, à quel taux, avec quelles garanties).

Comment ça marche, étape par étape

1. Pour chaque PME, je calcule des ratios financiers (endettement, rentabilité, liquidité, capacité à payer les intérêts).
2. Je traduis ces ratios (+ des critères qualitatifs) en un score sur 100.
3. Le score donne une classe de notation (de AAA à D) et une probabilité de défaut.
4. J'applique des scénarios de stress (chute du chiffre d'affaires, hausse des taux…) et je regarde combien de PME changent de classe.
5. Selon le risque, je recommande des garanties / protections adaptées.

Les termes techniques, expliqués

Risque de crédit

Le risque que l'emprunteur ne rembourse pas (partiellement ou totalement).

Scoring

Noter automatiquement un risque à partir de critères chiffrés — comme un « score de crédit ».

Ratios financiers

Indicateurs tirés des comptes. Ex. gearing (dette/capitaux propres), current ratio (liquidité), DSCR (capacité à couvrir ses charges financières), ROE (rentabilité).

Classe de notation

Une échelle de A à D (AAA = très solide, D = en défaut), comme les agences de notation.

PD (probabilité de défaut)

Le pourcentage de chances que l'emprunteur fasse défaut. Chaque classe a sa PD (ex. AAA = 0,25 %, CCC = 18 %).

Score quanti / quali

60 points sur des chiffres (ratios) + 40 points sur du qualitatif (secteur, ancienneté, qualité du dirigeant…).

Stress testing

Simuler un scénario catastrophe pour voir si la note résiste — exigé par les régulateurs bancaires.

Migration de notes

Le fait que des emprunteurs changent de classe après le choc (ex. passer de A à BB).

Garanties / couverture

Se protéger du risque : caution, nantissement, covenants (clauses), plafond d'engagement, ajustement du taux.

En clair

Mon rôle de Product Owner (le point clé)

Je n'étais pas seulement au code : j'ai porté le produit. J'ai cadré le besoin, rédigé et priorisé le backlog (la liste des fonctionnalités), animé les sprints et participé aux choix techniques avec l'équipe de dev. Les preuves sont dans le dossier docs/ du repo : VISION.md, PRODUCT_BACKLOG.md, SPRINT_PLAN.md.

Comment ça marche, étape par étape

1. L'utilisateur dépose un fichier CSV (glisser-déposer).
2. L'outil calcule les statistiques (moyennes, totaux, répartitions).
3. Il génère des graphiques automatiquement.
4. Il détecte les anomalies (valeurs anormales dans les données).
5. Il rédige une synthèse en français — via un LLM si une clé API est fournie, sinon en mode statistique hors-ligne (aucun crédit dépensé).

Les termes techniques, expliqués

Product Owner (PO)

La personne qui fait le pont entre le besoin métier et l'équipe technique : elle décide quoi construire et dans quel ordre.

Agile / Scrum

Une façon de travailler par cycles courts (sprints), avec des points réguliers, pour livrer vite et s'adapter.

User story

Un besoin exprimé côté utilisateur : « En tant que…, je veux…, afin de… ».

Backlog

La liste priorisée de tout ce qui reste à faire (P0 = urgent → P3 = plus tard).

Sprint

Un cycle de travail court (1–2 semaines) avec un objectif précis à livrer.

CSV

Un format de fichier tableau très courant (comme un Excel simplifié, en texte).

LLM

Large Language Model : une IA type ChatGPT / Claude qui lit et rédige du texte — ici pour écrire la synthèse.

Repli (fallback)

Un plan B automatique : sans clé IA, l'outil bascule sur une analyse statistique — il marche toujours, même hors-ligne.

Détection d'anomalies

Repérer les valeurs qui « sortent du lot » (potentielles erreurs ou cas intéressants).

API JSON

Une entrée technique /api/analyze qui renvoie le résultat en données structurées {success, data, error}, réutilisables par un autre logiciel.

En clair

Le problème qu'il résout

Suivre ses finances quand on a plusieurs comptes (courant, épargne, cash) est fastidieux et manuel. Cet outil automatise le tri, la surveillance et l'analyse.

Comment ça marche, étape par étape

1. Il agrège plusieurs comptes (courant, épargne, cash) en une vue consolidée (soldes + transactions).
2. Il catégorise automatiquement chaque opération (courses, transport, loyer, loisirs…) par un moteur de règles explicable.
3. Il déclenche des alertes : budget dépassé, dépense inhabituelle (détectée par z-score), solde bas.
4. Il produit une analyse des dépenses en français (répartition, top dépenses, recommandations).
5. Avec une clé IA → synthèse rédigée par un LLM ; sinon → repli statistique automatique (fonctionne sans internet).

Les termes techniques, expliqués

Agrégation

Réunir des données venant de plusieurs sources (ici plusieurs comptes) en une seule vue d'ensemble.

Catégorisation

Classer automatiquement chaque transaction dans une catégorie (courses, transport…).

Moteur de règles

Un système de « si… alors… » basé sur des mots-clés. Avantage : explicable — on sait pourquoi une dépense a été classée ainsi.

z-score

Une mesure statistique de « à quel point une valeur est loin de la normale ». Sert ici à repérer une dépense inhabituelle.

Alerte

Une notification déclenchée par une règle (budget dépassé, solde bas, anomalie).

LLM

Une IA type ChatGPT / Claude qui rédige l'analyse en langage naturel.

Repli statistique

Le plan B sans IA : l'analyse est produite par des calculs — l'outil marche toujours, sans dépenser de crédit API.

Explicabilité

Pouvoir justifier chaque décision automatique — essentiel en finance et en conformité.