Cyril Noirot

Domaines d'expertise

De la data science au développement full-stack, des solutions de bout en bout

Marketing Science

MMM, attribution, optimisation média

Expérience projet approfondie

Prévision

Séries temporelles hiérarchiques, prévisions probabilistes, scénarios de demande

Approche opérationnelle

Pricing & Revenue

Pricing market-based, optimisation, expérimentation

Mentalité opérateur

Data Science & Ops

Pipelines ML, stacks reproductibles, QA et documentation soignées

Builder first

Systèmes & Production

Next.js, FastAPI, Docker, déploiement cloud — du prototype à la production

Livraison bout en bout

Gestion de projet

Méthodologies agiles, coordination des parties prenantes, suivi des livrables

Orienté delivery

Parcours professionnel

Lead Data Scientist (Freelance)

Moët Hennessy (LVMH)

Aug 2024 – Apr 2025
  • Designed demand forecasting systems for global travel retail
  • Built supply chain optimization & scenario simulation engine
  • Developed MMM framework for budget allocation
  • Created pricing and promotion models

Lead Data Scientist

Sanofi

Dec 2021 – Aug 2024
  • Led global SaaS project for marketing budget allocation
  • Built Bayesian MMM deployed in 20+ countries
  • Developed MIP optimizer (Gurobi) for cross-channel media spend
  • Created out-of-stock forecasting and pricing models

Senior Data Scientist

Plum Fintech

Nov 2020 – Dec 2021
  • Developed CLV and segmentation models
  • Built multi-touch attribution across channels
  • Created budget optimization framework

Senior ML Engineer

OMD

Jul 2019 – Nov 2020
  • Consumer targeting models using behavioral data
  • Marketing automation pipelines
  • NLP workflows for media content

Principes

Les valeurs qui façonnent mon approche de chaque projet et engagement client

Construire pour l’usage réel

Commencer par un système simple mais exploitable, capable d’informer une décision dès les premières semaines.

Clarté exécutive

Des analyses complexes traduites en insights clairs et actionnables pour la prise de décision stratégique.

Reproductible par design

Code versionné, environnements reproductibles, pipelines robustes : un système est considéré livré lorsqu’il peut fonctionner sans son auteur.

Apprentissage continu

Rester à la pointe de la méthodologie en s'engageant avec la recherche académique et l'évolution de l'industrie.

Prendre contact

Si vous avez un problème qui pourrait bénéficier de ce type de travail, n'hésitez pas. Pas de processus commercial — juste une discussion directe.