Félix Revert Product Manager & Data Scientist Product Manager & Data Scientist

Pilotage de projets stratégiques et transverses au sein de l’activité Sportsbook :

• Redéfinition des règles de paris sportifs alimentant le chatbot IA du service client et l’interface utilisateur, avec pour objectif de réduire les coûts opérationnels de 1 M€ par an.
• Automatisation des marchés manuels grâce au web scraping dopé à l’IA, visant à diminuer les coûts de trading de 100 k€ par an.

Lead strategic cross-functional projects in the Sportsbook activity:

• Redefinition of sports betting rules feeding the customer service AI chatbot and the UI, aiming to lower operational costs by 1M€/year
• Auto-resulting manual markets leveraging AI-powered web scraping, aiming to reduce trading costs by 100k€/year

Pilotage des expériences utilisateurs alimentées par l’IA pour le nouveau Doctolib Médecin, devenu leader du marché en moins de trois ans après son lancement.

• Conception du parcours de gestion des documents médicaux (plus de 300 000 documents traités par semaine), accéléré par l’OCR et le machine learning — permettant aux praticiens d’économiser deux jours de tâches administratives par an.
• Mise en place de pipelines de migration des données médicales en temps réel pour structurer des centaines de millions de dossiers patients — assurant un onboarding fluide.
• Structuration des données de consultation selon les standards médicaux (ICD-11, FHIR) et des technologies comme ElasticSearch — atteignant 50 % de codification des données contre 5 % en moyenne dans le secteur.

Contribution à l’amélioration des processus produit, de la performance applicative et de la cohérence du design pour renforcer la qualité et la scalabilité du produit.

• Amélioration du processus de résolution des bugs : simplification du tri et du suivi des bugs et intégration du Real User Monitoring (RUM) de DataDog pour auditer plus efficacement les problèmes et améliorer la boucle de feedback produit-tech.
• Optimisation de la performance : priorisation de la performance dans la stratégie produit, définition de KPI de performance par release et de seuils d’alerte sur les workflows critiques.
• Amélioration de la navigation et du design : harmonisation des principes et composants de navigation pour réduire la dette design et renforcer la cohérence du produit.

Led AI-powered user experiences for the new Doctolib Médecin platform, which became the market leader within three years of launch.

• Designed the medical document workflow handling over 300k documents per week, accelerated by OCR and ML — saving healthcare professionals two days of admin work per year.
• Built real-time medical data migration pipelines to process and structure hundreds of millions of patient records, enabling seamless onboarding.
• Structured consultation data leveraging medical ontologies and standards (ICD-11, FHIR) and technologies like ElasticSearch — achieving 50% data codification vs. the 5% industry average.

Drove cross-functional improvements in product processes, performance, and design systems to scale product quality and user experience.

• Improved bug management process: simplified bug triage workflows and introduced Real User Monitoring (RUM) via DataDog to audit issues faster and improve feedback loops between product, QA, and engineering.
• Enhanced app performance: made performance a key product priority by defining KPI targets per release and setting alert thresholds for major user workflows.
• Optimized navigation and design: harmonized navigation patterns and design components across the app to reduce design debt and improve product consistency.

Pilotage de l’avant-vente et de l’après-vente de la plateforme DataRobot à Hong Kong, pour accélérer l’adoption de l’IA dans les secteurs financier, santé, assurance et fintech. Contribution à plus de 1,3 M $ de ventes annuelles (3 nouveaux clients, 2 upsells, aucun churn) et animation d’un réseau de plus de 50 experts analytics et data scientists dans la région.

• Digital Bank of Singapore (DBS) : Déploiement de modèles ML pour le scoring de crédit PME et le recouvrement, formation des équipes risque à Python et DataRobot, et identification de nouveaux cas d’usage IA dans 8 départements.
• Hong Kong Hospital Authority : Développement de modèles prédictifs de réadmission (~80 AUC) et de turnover du personnel, accompagnement de plus de 100 professionnels, et définition des principales applications IA en santé.
• ManuLife : Réalisation d’un POC sur la souscription prédictive avec AutoML et formation des équipes analytics APAC aux approches IA appliquées.
• Prudential : Audit des modèles ML marketing pour améliorer précision et interprétabilité, et conception de pipelines de re-entraînement automatisé avec suivi des dérives.
• AEON Credit Services : Évaluation et priorisation des cas d’usage IA en recouvrement, risque et marketing, avec estimation du ROI et de la faisabilité.

Pre-sales and post-sales of the DataRobot platform for the Hong Kong market, supporting AI adoption across financial, healthcare, insurance, and fintech sectors. Helped generate ~$1.3M in annual sales (3 new customers, 2 upsells, no churn) and built a network of 50+ senior analytics leaders and data scientists in the region.

• Digital Bank of Singapore (DBS): Delivered ML models for SME Credit Risk and Retail Collection, trained risk teams in Python and DataRobot, and identified new AI use cases across 8 business units.
• Hong Kong Hospital Authority: Built predictive models for patient readmission (~80 AUC) and employee churn, upskilled 100+ professionals, and defined key healthcare AI applications.
• ManuLife: Led a POC on predictive underwriting using AutoML and trained analytics teams across APAC on AI-driven decision-making.
• Prudential: Audited ML models in digital marketing, improving accuracy and interpretability, and designed automated retraining pipelines with drift monitoring.
• AEON Credit Services: Evaluated and prioritized ML opportunities in Collection, Risk, and Marketing, estimating ROI and implementation feasibility.

Pilotage de projets de Data Science pour cinq clients majeurs :

• France Travail : Conception et déploiement d’un modèle de scoring de fraude basé sur le machine learning (XGBoost), atteignant 50 % de précision (contre 5 % en référence) et détectant 300 nouveaux cas en trois mois. Mise en œuvre d’une approche complémentaire par graphes avec Neo4j pour identifier les réseaux de fraude. Conception d’un outil dédié utilisé par 150 enquêteurs régionaux.
• Carrefour : Développement d’un tableau de bord temps réel sous Tableau, connecté aux analyses d’engagement utilisateurs pour visualiser et comprendre les interactions avec un parc d’objets connectés (IoT).
• Airbus Helicopters : Élaboration d’une approche data science sur mesure pour identifier les défauts qualité récurrents via du clustering (K-Means sur matrice de fréquences de termes) et l’analyse de graphes en Python. Supervision d’un consultant pour affiner les besoins métiers et orienter les priorités analytiques.
• Airbus Group : Création d’un tableau de bord Spotfire quasi temps réel connecté aux réseaux sociaux via API pour suivre les sujets clés de climat social. Développement d’une méthode d’extraction de thématiques personnalisée (LDA) pour identifier les tendances émergentes.
• BNP Paribas : Amélioration du CRM par des capacités d’IA intégrant du web scraping automatisé et un nettoyage intelligent des données, renforçant la qualité et l’enrichissement des informations clients.

Led Data Science projects for five major clients:

• France Travail: Designed and deployed an ML-based fraud detection scoring model using XGBoost, achieving 50% precision (vs. 5% benchmark) and uncovering 300 new fraud cases in three months. Complemented the model with a Neo4j graph approach to identify fraud networks, and delivered a dedicated investigation tool used by 150 regional agents.
• Carrefour: Built a near real-time Tableau dashboard connected to user engagement analytics to visualize and understand interactions with an IoT device fleet.
• Airbus Helicopters: Developed a tailored data science framework to identify recurring quality issues via clustering (K-Means on term-frequency matrices) and network graph analysis in Python. Managed a data consultant to refine business requirements and guide analytical priorities.
• Airbus Group: Created a near real-time Spotfire dashboard pulling live social media data through APIs to monitor key employee sentiment topics. Implemented a custom topic modeling pipeline using LDA to surface emerging themes.
• BNP Paribas: Enhanced CRM capabilities with AI-powered web scraping and automated data cleaning, improving customer data quality and enrichment.

Co-fondateur de SmartSubs, start-up EdTech proposant des sous-titres intelligents pour apprendre l’anglais en regardant des films et en lisant en ligne. Sélectionnée parmi les 100 start-ups françaises où investir (Challenges, 2015) et citée dans Canal+, D8, Huffington Post et Konbini.

• Développement d’un système de sous-titrage personnalisé pour films et séries, avec un POC réalisé avec Warner Bros sur Harry Potter et Charlie et la Chocolaterie.
• Développement de la base utilisateurs jusqu’à 20 000 membres et 300 000 vues sur la vidéo promotionnelle YouTube.
• Négociations avec Warner Bros France, Gymglish (2 M d’utilisateurs) et Reverso (leader européen de la traduction en ligne).
• Rencontres avec les principaux acteurs de la formation et des médias : France Télévisions, Canal+, TF1, Wall Street English, Acadomia.
• Arrêt du projet en raison de la complexité juridique du modèle (droits d’auteur) et des défis structurels d’une start-up early-stage, expérience fondatrice en produit, partenariats et résilience.

Co-founded SmartSubs, an EdTech start-up leveraging intelligent subtitles to help users learn English through movies and online reading. Featured among the Top 100 French Startups to Invest In (Challenges, 2015) and covered by major media such as Canal+, D8, Huffington Post, and Konbini.

• Developed a personalized subtitle system for films and TV series, with a successful POC conducted with Warner Bros on Harry Potter and Charlie and the Chocolate Factory.
• Grew the user base to 20,000 and generated 300,000+ views on the promotional video on YouTube.
• Negotiated potential partnerships with Warner Bros France, Gymglish (2M users), and Reverso (Europe’s leading online translator).
• Engaged with major education and media players including France Télévisions, Canal+, TF1, Wall Street English, and Acadomia.
• Discontinued the project due to business model uncertainty and high copyright barriers, while gaining firsthand entrepreneurial experience in product, partnerships, and resilience.

Missions de conseil en data et analytics pour des clients des secteurs pharmaceutique et immobilier.

• Celgene & Johnson & Johnson : Développement de modèles de prévision des ventes sous Excel pour appuyer la stratégie commerciale et la planification de la demande.
• Unibail-Rodamco : Conception d’indicateurs géolocalisés en Python pour mesurer l’attractivité des boutiques dans les centres commerciaux et élaboration d’un modèle de tarification locative basé sur la donnée, générant un ROI de 10 %.

Worked on short-term data and analytics projects for pharmaceutical and real estate clients.

• Celgene & Johnson & Johnson: Developed Excel-based sales forecasting models to support commercial strategy and demand planning.
• Unibail-Rodamco: Built Python geolocation KPIs to monitor store attractiveness in shopping malls and designed a data-driven rental pricing model, achieving a 10% ROI with optimized pricing.

Assistance du Global Head of Equity Derivatives Strategy dans l’identification et l’analyse de stratégies d’investissement basées sur la donnée à destination des clients institutionnels et des fonds spéculatifs.

Supported the Global Head of Equity Derivatives Strategy in identifying and analysing data-driven investment opportunities to recommend to institutional clients and hedge funds.