Comment je me suis rendu là.

Je suis arrivé à Lawrenceville à 17 ans, en parlant à peine anglais. C’est toujours un peu dur d’expliquer c’était comment.

J’allais à des cours avec du monde tellement brillant et j’écoutais des enseignants incroyablement bons. Nos cours se donnaient autour d’une table ronde, où les étudiants débattaient entre eux et apprenaient de cette façon. J’ai aussi pu jouer au hockey à un niveau compétitif sans avoir à mettre l’école sur pause. Là-bas, tu déjeunes, dînes pis soupes avec tes amis à tous les jours.

C’est aussi là que j’ai appris à parler anglais.

C’était quand même vraiment dur, par contre. On avait de l’école 6 jours par semaine et la charge de travail était épouvantable.

Je suis arrivé à Colby en voulant étudier quelque chose en math, et c’est ça que j’ai fait.

En première année, j’ai eu la chance de suivre les deux cours de stats les plus avancés de l’université. En deuxième, j’ai fait une étude dirigée sur la topologie avec un prof, où j’en ai appris vraiment trop de choses sur les « nœuds » et leurs propriétés.

J’ai touché au machine learning, aux probabilités, à l’algèbre linéaire, aux stats bayésiennes, etc.

Mais les choses dont je me souviens le plus, c’est ce qui était à l’extérieur de ça.

Les cours pris au hasard, comme l’art oratoire. L’exigence de langue qui s’est tranquillement transformée en session d’échange en Espagne, où étudier l’espagnol était une excuse pour faire des affaires comme un cours de dégustation de vin. Au final, j’ai fait une double majeure en statistique et en espagnol.

Aussi, les amis que j’ai rencontrés. Les soirées de fou avec des histoires dont je vais me souvenir toute ma vie. Les retrouvailles de fin de semaine aux quatre coins de l’Europe durant le semestre là-bas, pour aller explorer le monde avec mes amis.

J’ai eu le temps d’avoir du fun, d’essayer des nouvelles choses, et surtout d’apprendre à vraiment me connaître. Go Mules!

L’été de ma deuxième année d’université, j’ai travaillé comme gestionnaire de projet d’été chez NECG. J’ai bâti un modèle statistique pour la division des vitamines d’une compagnie du Fortune 100, pour prédire l’impact des rabais et le volume des ventes. Dans la deuxième moitié de l’été, j’ai monté un script d’extraction pour un client du Fortune 100 dans le domaine de la santé, pour rassembler des jeux de données de médecins qui avaient les compétences pis l’équipement nécessaires pour vendre les produits de ce client.

Quelques mois après la fin du stage, j’ai mené un meeting avec un data scientist et un directeur marketing du même client, pour faire faire le tour à leur équipe de ce que j’avais bâti pour qu’ils puissent l’adapter à d’autres marchés.

Mais ce dont je suis le plus fier est arrivé trois ans plus tard. NECG avait vendu un nouveau projet au même client, qui a alors demandé un nouveau système d’extraction comme celui que j’avais bâti. Mon ancien partner chez NECG m’a appelé pour demander de l’aide parce qu’ils n’arrivaient pas à faire l’outil d’extraction de données. J’ai donc écrit des plans d’une nouvelle version du système et je leur ai envoyé, ce qui leur a permis de répondre aux besoins du client.

¡Viva España! J’ai passé une session à étudier en espagnol, en Andalousie. Une expérience vraiment cool que Colby a payée grâce à son programme d’aide financière. J’ai voyagé partout en Europe, je suis allé voir des matchs de la Liga, et j’ai rencontré du monde vraiment intéressant. Mes meilleurs souvenirs, c’est juste de me promener dans la ville après les cours pis de partir à l’aventure.

J’ai commencé mon stage à Prospector sans jamais avoir touché à Python, et j’en suis ressorti après avoir fait un stage complet à mi-chemin entre le développement logiciel et la science des données. Travailler dans une petite startup était super intéressant parce que je touchais aux systèmes au cœur de ce que la compagnie était en train de bâtir malgré mon peu d’expérience.

Presque tout mon temps est allé sur un seul problème : extraire systématiquement des données de rapports PDF de compagnies minières, plus précisément les tableaux. J’étais plus ou moins laissé à moi-même pour trouver comment, et j’ai appris une quantité énorme de choses sur le traitement du langage naturel, Python, et les méthodes d’extraction de données qui datent d’avant les LLM.

Une de mes percées préférées m’a pris des semaines avant d’y arriver. Plein de ces PDF étaient générés à partir de documents Word, et les moteurs de conversion ont une quantité importante de bogues, ce qui fait que les tableaux ressortaient avec des artéfacts ou des problèmes visuels selon l’outil utilisé pour les afficher. J’ai fini par régler le problème en faisant certaines parties de l’analyse de données non pas au niveau du code PostScript, mais bien en faisant la recherche au niveau des octets, comme ça les tableaux brisés ne le sont plus!

Les processus que j’ai bâtis et améliorés ont coupé plus de 30 % du temps sur du traitement de données qui se faisait à la main par des employés à temps plein.

Mon premier travail après l’université était à Mars & Co. J’y ai travaillé deux ans comme consultant en stratégie. L’approche de Mars était beaucoup axée sur les données, et donc mon travail était essentiellement de transformer les données en « insights » pour nos clients. Nos clients étaient généralement Fortune 100. Des exemples de projets que j’ai réalisés étaient des analyses de modélisation P&L d’un produit concurrent disruptif, des tendances du marché, de scénario logistique de faillites de partenaires, de fusion d’usines et de marque, etc.

Le projet dont je suis le plus fier, c’était avec une des plus grosses entreprises aux États-Unis, où on avait le mandat de réviser au complet une de leurs chaînes d’approvisionnement qui transportait des milliards de dollars de stock. Au début, on construisait un modèle Excel relativement complexe, mais j’ai pitché au partner que j’avais vu à l’université des méthodes statistiques sophistiquées pour régler ce genre de problème-là. Notre but, c’était d’évaluer le positionnement optimal des centres de distribution et d’estimer les coûts de livraison des tournées « milk-run ». On m’a donné quelques jours pour ramasser des thèses de doctorat pis des articles à la fine pointe de l’industrie pour leur proposer quelque chose que j’étais capable de faire. Ils ont aimé ma proposition, et on m’a donné une semaine pour tout monter.

J’ai fini par coder en Python et R des simulations qui utilisaient des algorithmes génétiques, de K-Means, des méthodes de réduction de dimension qui me permettaient de modéliser le trafic dans un système de distances « euclidiennes », et d’extraire les coûts de transport d’Uber, pour finalement répondre mathématiquement à la question « Quel est le nombre optimal de centres de distribution, et où les placer à travers les États-Unis pour assurer un niveau de service X sous des contraintes de livraison Y ». Mes simulations sont devenues la base de tout ce projet-là qui avait des milliards de dollars en jeu. J’ai ensuite mené des rencontres avec l’équipe ML Logistique du client pour leur faire faire le tour de mon code.

Au bout de la ligne, oui j’ai été capable d’exécuter moi-même, sans IA, un processus sur mesure super complexe. Mais ma plus grande force c’est d’être capable de voir l’opportunité, et de la mettre de l’avant par moi-même, peu importe ce que c’est.

J’ai commencé comme analyste en intelligence d’affaires dans l’équipe du bureau de la PDG à la SQDC. Au début, mon travail était surtout de comprendre les systèmes d’affaires et de faire différentes analyses pour trouver des façons de s’améliorer. J’ai fini par prendre l’initiative de bâtir une plateforme prédictive qui change complètement la façon dont se faisait le cycle de mise en marché. Le but, c’était à la fois d’automatiser tout ce qui peut l’être et de prendre avantage des données qu’on collecte pour prendre de meilleures décisions de business. C’est devenu petit à petit mon projet principal, et c’est en train de devenir la base des nouveaux systèmes prédictifs de la SQDC.

Une chose qui m’a marqué, c’est que le plus dur, ça a jamais été de bâtir le modèle sophistiqué. C’était de gérer ce changement-là pour que tout le monde se sente à l’aise de naviguer dans le nouveau flux pis de faire confiance à des systèmes qu’ils comprennent pas nécessairement. Au final, intégrer le système dans les processus de la SQDC est le travail dont je suis le plus fier.

J’ai fait un DESS en journalisme pour devenir meilleur à me mettre de l’avant sur Internet, tout en apprenant à créer du contenu. C’est des compétences nécessaires pour devenir la personne que je veux être, alors je me suis mis dans un environnement qui m’oblige à les apprendre. J’ai fait ça à temps plein par-dessus mon travail à temps plein à la SQDC.

Je construis un système pour aider les gérants de restaurant. Je suis tout le temps en train de penser à des façons d’améliorer les choses. Nouvelles à venir!

En septembre, je commence un MBA à l’Université de Cambridge, au Jesus College, avec un « Distinction Scholarship » offert aux étudiants qui se distinguent de la cohorte. J’ai hâte d’étudier dans un nouveau pays, d’essayer des nouvelles choses, de retourner jouer au hockey, et de rencontrer plein de monde intéressant. Je reste ouvert aux opportunités partout dans le monde!