Didi Orlog Sossou
CV

Didi Orlog Sossou, Ingénieur IA et machine learning

Je conçois, entraîne et industrialise des modèles de machine learning et de deep learning, notamment en vision par ordinateur et en NLP, du prototype jusqu'au déploiement en production.

Je cherche un CDI/CDD en IA ou en ingénierie logicielle orientée IA, ou une thèse CIFRE.

  • Disponible immédiatement
  • Mobile sur toute la France
M'écrire ExpériencesProjetsCV en PDF
01

Profil

Langues
Français, langue maternelle. Anglais, niveau C2 certifié Linguaskill Business. Éwé et mina
Centres d'intérêt
Veille technologique, compétitions IA et data, revues scientifiques, mangas, jeux vidéo
02

Expériences

LoméBerlinBelfortTroyesClichy

  1. Fév. à août 2026Stage de fin d'étudesClichy

    Ingénieur IA, vision par ordinateur et edge AI

    The Keepers

    J'ai conçu et industrialisé un moteur de reconnaissance visuelle multi-vues, puis déployé son pipeline d'inférence en C++ avec NVIDIA DeepStream sur une cible embarquée.

  2. Juil. 2023 à avril 2024CDDBerlin

    Ingénieur logiciel fullstack et IA

    Bidiffy

    J'ai développé Draavis, un SaaS de location de véhicules en TypeScript, React et Node.js qui traite plus de 10 000 requêtes par jour en production. Lead back-end, j'ai modélisé les bases PostgreSQL, optimisé les requêtes et conçu des API modulaires, avec une réduction de 71 % de la latence entre microservices. J'intervenais aussi sur des projets clients.

  3. Nov. 2021 à juin 2023CDDLomé

    Consultant ingénieur logiciel

    Ambassade d'Angola au Togo

    J'ai modernisé et automatisé les processus consulaires. Un dossier se traite en 40 % de temps en moins, pour plus de 5 000 usagers par an.

  4. Nov. 2022 à fév. 2023Stage de perfectionnementLomé

    Développeur logiciel

    Port Autonome de Lomé

    J'ai développé le système de gestion des entrées et sorties du Parc de Véhicules d'Occasion, en Laravel avec MySQL et Redis, qui suit plus de 500 passages par jour. J'assurais aussi l'assistance informatique sur les postes clients.

  5. Août à déc. 2022StageLomé

    Stagiaire en génie logiciel

    BERIIA

    Pour mon projet de fin de licence, j'ai développé Coteazy, une plateforme de cagnottes et de tontines en ligne, avec une application client en React et Redux et un tableau de bord d'administration en Laravel et Vue.js.

  6. Mai à oct. 2021StageLomé

    Développeur web

    Ambassade d'Angola au Togo

    Développement de solutions web, maintenance évolutive et corrective.

03

Formation

  1. 2024 à 2026MasterBelfort et Lomé

    Master Informatique, intelligence artificielle et big data

    Université de Technologie de Belfort-Montbéliard et École Polytechnique de Lomé

    Boursier France Excellence, délégué de parcours.

  2. Sept. 2025 à janv. 2026Semestre d'échangeTroyes

    Cycle ingénieur, semestre d'échange

    Université de Technologie de Troyes

  3. 2025CertificationEn ligne

    Data Scientist Certification

    DataCamp

  4. 2025CertificationEn ligne

    Data Engineer Certification

    DataCamp

  5. Avril à juin 2024CertificationEn ligne

    Machine Learning Fundamentals Nanodegree

    Udacity

  6. Juin à oct. 2023CertificationEn ligne

    AI Programming with Python Nanodegree

    Udacity

  7. 2019 à 2023LicenceLomé

    Licence Informatique, génie logiciel

    École Polytechnique de Lomé

04

Projets

01The Keepers, stage de fin d'études, 2026

Moteur de reconnaissance visuelle multi-vues

J'ai conçu et industrialisé un moteur qui identifie un contenant à partir de plusieurs vues, fusionnées par un mécanisme d'attention. Sur un catalogue de plus de 5 000 contenants, la précision d'identification gagne 15 %.

En structurant l'espace latent par apprentissage métrique et en ajoutant une détection hors distribution, j'ai réduit de 31,5 % le taux d'erreur en conditions open-set et zero-shot.

J'ai implémenté et déployé le pipeline d'inférence en C++ avec NVIDIA DeepStream. Il tourne à 30 images par seconde sur une cible embarquée contrainte.

  • PyTorch
  • Attention
  • Metric learning
  • Détection OOD
  • C++
  • DeepStream
  • TensorRT
Glisser pour tourner

02Projet de master, 2026

UrbanSafety

Un système de vidéosurveillance qui détecte les anomalies par apprentissage faiblement supervisé et retrouve les scènes décrites en langage naturel.

OpenCLIP, affiné par LoRA sur des images BDD100K que j'ai légendées avec Qwen2.5, produit les embeddings. Un BiLSTM entraîné en Multiple Instance Learning les exploite pour la détection, avec une AUC de 0,994 contre 0,9895 en entraînement adversarial PGD, et un index FAISS sert la recherche par texte. Une interface Gradio réunit le tout.

Sur le jeu de test, le détecteur signale 245 des 253 vidéos anormales, avec un seuil réglé pour rater le moins d'incidents possible.

  • OpenCLIP
  • LoRA
  • Qwen2.5
  • BiLSTM
  • MIL
  • FAISS
  • Gradio
Le code sur GitHub
Cliquez dans la rue

03Aéroports du Togo

FOD-Detection

Détection des débris et objets étrangers sur les pistes des aéroports togolais, pour la sécurité aérienne.

J'ai comparé la détection d'objets avec YOLOv11 et la segmentation avec SegFormer, en précision comme en coût d'inférence.

  • YOLOv11
  • SegFormer
  • PyTorch
  • OpenCV
Balayez la piste

04Projet personnel, 2026

Détecteur de texte généré en français

Il combine Binoculars, Fast-DetectGPT, GLTR, la perplexité et la burstiness dans une régression logistique livrée déjà calibrée, sans rien à entraîner pour s'en servir.

AUROC de 0,929 en validation croisée. Hors de son domaine d'entraînement, il répond juste dans 69,2 % des cas, contre 51,9 % pour un détecteur supervisé publié.

  • Qwen2.5
  • Binoculars
  • Fast-DetectGPT
  • GLTR
  • Scikit-learn
Le code sur GitHub
Écrit par un humain

«Ce nouveau dépistage devrait progressivement se généraliser à partir d'octobre», estime le Pr Yves Ville, chef du service de gynéco-obstétrique de l'hôpital Necker. Dans une étude préliminaire sur 22 000 femmes menée par ce médecin dans les Yvelines, le dépistage du premier trimestre avait permis de diviser par trois le nombre d'amniocentèses. Les obstétriciens visent au moins une chute de moitié.

Généré par un modèle

Manger une grande quantité de noix de muscade peut être toxique et entraîner des symptômes tels que des nausées, des étourdissements et des hallucinations. En très grandes quantités, il peut entraîner une accélération du rythme cardiaque, une hypertension artérielle et même la mort. Il est important de se rappeler de toujours utiliser la noix de muscade en petite quantité comme épice dans la cuisine, et de ne pas la manger seule en grande quantité.

Survolez un mot

05Projet académique, 2025

Graphes en réalité virtuelle

Une plateforme de visualisation immersive pour importer, analyser et explorer des réseaux de données complexes en 3D, à l'écran ou en réalité virtuelle avec WebXR.

Le back-end FastAPI calcule les dispositions des graphes en tâches asynchrones Celery, avec MongoDB et Redis. Le front-end Next.js les affiche avec Babylon.js, et l'ensemble est orchestré avec Docker Compose.

  • Next.js
  • Babylon.js
  • WebXR
  • FastAPI
  • Celery
  • Redis
  • MongoDB
  • Docker
Glisser pour tourner, cliquer sur un nœud

06Projet académique, 2025

Détection de fraude par K-means

Analyse de comportements financiers et détection d'anomalies dans des transactions bancaires.

Les transactions sont normalisées puis regroupées par K-means. Celles qui s'éloignent trop du centre de leur groupe sont signalées comme suspectes, et l'analyse des groupes fait ressortir les caractéristiques qui les distinguent.

  • Python
  • Scikit-learn
  • K-means
Le code sur GitHub

07Challenge Zindi, 2024

Adoption de la fibre optique au Togo

Prédiction de la présence de la fibre optique dans les ménages togolais, à partir des données de recensement et de variables géographiques MOSAIKS. Challenge organisé par le Ministère de l'Économie Numérique, l'Agence Togo Digital et Zindi, où j'ai terminé sixième.

Sur 30 558 ménages d'entraînement, j'ai encodé les variables catégorielles, écarté les variables numériques trop corrélées, normalisé le tout et ajouté des variables de voisinage par k plus proches voisins. Un vote entre CatBoost, XGBoost, LightGBM et AdaBoost atteint une AUC de 0,926 sur le classement privé.

  • CatBoost
  • XGBoost
  • LightGBM
  • AdaBoost
  • Scikit-learn
  • Pandas
Le code sur GitHub
Variables d'un ménage
CatBoost29 %
XGBoost35 %
LightGBM25 %
AdaBoost27 %
Vote29 %

Fibre optique peu probable

Modifiez le ménagesimulation

08Projet personnel, 2025

DataFlowLab

Une application locale pour construire des pipelines de machine learning par glisser-déposer, sans écrire de code.

Plus de 40 blocs couvrent le chargement, le nettoyage, l'ingénierie de variables, l'apprentissage supervisé et non supervisé, les séries temporelles et l'évaluation. L'application produit une analyse exploratoire automatique, exporte le pipeline en Python ou en notebook Jupyter, et intègre un assistant LLM local avec llama.cpp.

  • Python
  • Gradio
  • Scikit-learn
  • Pandas
  • llama.cpp
  • Jinja2
Le code sur GitHub

Bibliothèque

  1. 01CSVLoaderData Input
  2. 02MissingValuesCleaning
  3. 03OneHotEncoderFeature Engineering
  4. 04StandardScalerFeature Engineering
  5. 05RandomForestSupervised
  6. 06ClassificationReportEvaluation
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

# 1. CSVLoader
df = pd.read_csv("data.csv", sep=",")
# 2. MissingValues
df = df.fillna(df.median(numeric_only=True))
# 3. OneHotEncoder
df = pd.get_dummies(df, drop_first=True)
# 4. StandardScaler
X = StandardScaler().fit_transform(df.drop(columns="target"))
y = df["target"]
# 5. RandomForest
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2)
model = RandomForestClassifier(n_estimators=300).fit(X_tr, y_tr)
# 6. ClassificationReport
print(classification_report(y_te, model.predict(X_te)))
Ajoutez, retirez, exécutez

09Étude de cas, 2025

Recettes à fort trafic

Prédire quelles recettes attireront le plus de visiteurs une fois mises en avant sur la page d'accueil d'un site culinaire, avec un objectif de 80 % de précision.

Sur 947 recettes, j'ai nettoyé les valeurs nutritionnelles et les portions, comparé une régression logistique et un Random Forest, et traduit les résultats en indicateurs métier comme la hausse de trafic et de conversions attendue.

  • Python
  • Scikit-learn
  • Random Forest
  • Pandas
Le code sur GitHub
01probabilité de fort trafic
Précision86 %objectif de 80 % atteint
Recettes mises en avant352
Recettes à fort trafic captées57 %

fort trafic trafic faible

Déplacez le seuil

10Projet académique, 2025

Capteurs de sol défaillants

Détecter et gérer les capteurs de sol défaillants sur quatre zones, à partir de 61 200 relevés d'humidité et de température.

J'ai modélisé les pannes par une loi binomiale pour dimensionner la redondance de chaque zone, puis détecté les capteurs défaillants par Z-score et IQR selon la distribution de chaque mesure. Les étiquettes reconstituées atteignent 79 % de précision.

  • Python
  • Pandas
  • SciPy
  • Statistiques
Le code sur GitHub
Zone A9 défaillants

 

Zone B3 défaillants

 

Zone C6 défaillants

 

Zone D0 défaillants

 

sain défaillant ajouté

11Projet académique, 2025

Genre à partir du nom

Déterminer le genre à partir des prénoms et noms figurant sur les cartes d'identité nationales du Togo.

J'ai construit des caractéristiques linguistiques, terminaisons, voyelles et longueur, puis entraîné un Random Forest et un CatBoost. CatBoost atteint 95,9 % d'exactitude sur le jeu de test.

  • Python
  • CatBoost
  • Random Forest
  • Feature engineering
Le code sur GitHub
FémininMasculin

Prénom féminin

a·sssi·akos
Tapez un prénommodèle allégé, dans le navigateur

12Projet personnel, 2025

Emploi Scraper

Collecter les offres d'emploi publiées au Togo et les transformer en données exploitables.

Un robot Scrapy parcourt emploitogo.info, puis un traitement NLP avec spaCy extrait de chaque annonce l'entreprise, le poste, le contrat, le lieu, le niveau d'études, les compétences et le secteur.

  • Scrapy
  • spaCy
  • NLP
  • Python
Le code sur GitHub
emploi-togo / offres

Accueil | Offres | Entreprises | Conseils carrière | Connexion

Ce site utilise des cookies pour améliorer votre expérience. Accepter / Refuser

RECRUTEMENT URGENT !!! La société AGRIPLUS SARL recherche un(e) COMPTABLE CONFIRMÉ(E) pour son siège de Kara.

Contrat CDD 12 mois. Niveau BAC+2 minimum, maîtrise d'EXCEL et de SAGE exigée. Dossiers avant le 30 janv.

PUBLICITÉ Formation Excel en 2 semaines, places limitées, inscrivez-vous !

Offre d'emploi - Data Analyst

• Entreprise : Togo Telecom Services • Lieu : Lomé (Tokoin)

• Type : stage de 6 mois • Profil : master en statistique, SQL, Power BI

Partager Facebook WhatsApp LinkedIn ♥ 124

dév. web junior (H/F) chez NUNYA DIGITAL a lomé, cdi, react/node, bac+3 info. postulez vite !!

Voir aussi 10 conseils pour réussir votre entretien d'embauche

© 2025 emploi-togo Tous droits réservés Mentions légales

[
  {
    "entreprise": "Agriplus SARL",
    "poste": "Comptable",
    "contrat": "CDD",
    "lieu": "Kara",
    "niveau": "Bac+2",
    "competences": ["Excel", "Sage"]
  },
  {
    "entreprise": "Togo Telecom Services",
    "poste": "Data Analyst",
    "contrat": "Stage",
    "lieu": "Lomé",
    "niveau": "Bac+5",
    "competences": ["SQL", "Power BI"]
  },
  {
    "entreprise": "Nunya Digital",
    "poste": "Développeur web junior",
    "contrat": "CDI",
    "lieu": "Lomé",
    "niveau": "Bac+3",
    "competences": ["React", "Node.js"]
  }
]
page type

Autres travaux

  1. GravitasJeu de course dans un tunnel en 3D, où l'on se déplace par aimantation, avec traînées, particules de vitesse, son et classement. React Three Fiber et Three.js.2025
  2. Arène de combat 3DJeu de combat en arène avec une intelligence artificielle ennemie, des niveaux configurables et un sol animé par shader. React Three Fiber.2025
  3. Corpus biblique en éwéExtraction du corpus biblique en langue éwé depuis bible.com, textes et fichiers audio.2025
  4. Edik InventApplication mobile Flutter de gestion d'inventaire pour une boutique.2024
  5. ExploreTogo DataPipeline big data complet pour une agence touristique, avec ingestion multiformat sous Talend, streaming Kafka, traitement Spark en batch et en temps réel, orchestration Docker et visualisation dans Metabase.
  6. SchoolDWHEntrepôt de données avec PostgreSQL et MongoDB, ETL sous Talend, déploiement conteneurisé sous Docker et visualisation dans Metabase.
  7. CodeMouthAssistant vocal de code fondé sur Whisper et Deepseek Coder.
  8. AgriOptimaOptimisation de cultures sous contrainte d'eau par algorithme génétique, pour maximiser le revenu net agricole.
Voir tous mes dépôts sur GitHub
05

Compétences

Langages

Domaines et méthodes

Frameworks IA

Déploiement et MLOps

Développement logiciel

Savoir-être

Autonomie, Esprit analytique, Rigueur, Communication, Travail en équipe.

06

Contact

Un projet, un poste, une collaboration en tête ? Écrivez-moi, je vous réponds rapidement.

didisossou@gmail.com
LinkedIn GitHub CV en PDF