Evan Greven.

Portrait sculptural d’Evan Greven, d’après son dessin : visage en pierre argentée aux contours minéraux érodés.

Data Scientist
ML Engineer

Quelques mots sur moi

Quelques mots sur mon parcours

Le déclic

Découvrir l’informatique

La découverte de l’informatique a été un tournant important dans mon parcours. Ce qui relevait d’abord du loisir a progressivement pris une autre place : j’avais envie de comprendre comment les choses fonctionnaient et d’apprendre à les construire moi-même. Cet intérêt m’a donné une direction. Après un baccalauréat STMG, j’ai choisi de poursuivre dans l’informatique pour donner une forme concrète à cette curiosité.

2021 — 2023

Poser les bases

Le BTS Services Informatiques aux Organisations, au lycée Saint-Gabriel, m’a permis de structurer cet apprentissage. J’y ai posé les premières bases de mon parcours et pris goût au fait de progresser en réalisant des projets. Cette manière d’apprendre est restée la mienne : essayer, rencontrer une difficulté, chercher à la comprendre, puis recommencer avec un peu plus de recul. À mesure que j’avançais, l’envie d’aller plus loin prenait de la place.

2023 — 2026

Une passion pour l’IA

C’est dans cette continuité que je me suis orienté vers un Bachelor IA & Big Data à l’ESGI, de 2023 à 2024, puis vers le Mastère de la même spécialité, de 2024 à 2026. L’intelligence artificielle est devenue une passion. La possibilité de faire apprendre un modèle à partir de données m’intéressait, mais les questions derrière son fonctionnement m’attiraient de plus en plus : comment apprend-il ? Que retient-il de ses expériences ? Pourquoi réussit-il dans certaines situations et échoue-t-il dans d’autres ?

Ces questions m’ont ramené vers les mathématiques, les probabilités et l’optimisation. Mon parcours n’a pas commencé par une formation centrée sur ces disciplines ; j’ai appris à les approfondir en les reliant à des problèmes que je rencontrais. Une notion devient beaucoup plus tangible pour moi lorsque je peux en observer les effets, la visualiser ou l’implémenter. Peu à peu, les lectures et les expérimentations ont dépassé le cadre des cours. Une journée consacrée à l’apprentissage et aux graphes à l’Institut Henri Poincaré m’a, par exemple, donné envie de poursuivre avec un cours sur les réseaux de neurones de graphes.

2024 — 2026

Rencontrer le terrain

En parallèle, mes expériences professionnelles ont donné un ancrage concret à mes études. Un stage chez 40° sur la Banquise, en 2024, m’a amené à concevoir un assistant documentaire RAG. Puis, pendant deux ans d’alternance comme Data Scientist à La Poste, j’ai travaillé sur des données territoriales, des analyses d’aide à la décision et un assistant interne sécurisé. J’y ai découvert les exigences qui accompagnent l’usage réel d’un modèle : comprendre les données, pouvoir expliquer une réponse et tenir compte de ses limites. Ce va-et-vient entre les cours et le terrain a nourri mon envie de comprendre plus profondément ce que je construisais.

Au fil des projets

Chercher à comprendre

Cette envie s’est aussi exprimée dans mes projets personnels. Avec DeepLearn, j’ai voulu rendre les articles scientifiques plus accessibles et donner davantage de place à l’expérimentation. Expliquer un mécanisme à quelqu’un d’autre me pousse à clarifier ce que j’en comprends moi-même. La transmission fait ainsi partie de mon apprentissage, au même titre que le code ou la lecture.

Le NASA Space Apps Challenge a ensuite marqué une étape dans ma réflexion. En travaillant sur la détection d’exoplanètes à partir de courbes de lumière, je me suis intéressé à la façon dont un modèle pourrait s’appuyer sur des connaissances physiques et exprimer l’incertitude de ses prédictions. Mes projets en apprentissage par renforcement ont prolongé ce questionnement. Sur le jeu Quarto, un agent pouvait obtenir de bons résultats, puis se montrer fragile face à une stratégie très simple. Voir cet écart entre la performance et la compréhension apparente du problème a été marquant : j’avais envie de savoir ce que l’agent avait réellement appris et ce qui lui manquait pour s’adapter.

Aujourd’hui

Aller vers la recherche

C’est là que se situe aujourd’hui mon envie de recherche. De la découverte de l’informatique à l’étude des modèles, le fil conducteur reste cette curiosité pour ce qui se passe derrière un résultat. Je souhaite maintenant renforcer mes fondements théoriques et préparer une thèse sur les mécanismes d’apprentissage et de généralisation, en particulier en apprentissage par renforcement. Une question guide mes réflexions : comment des connaissances externes, documentaires ou structurées, peuvent-elles aider un agent à mieux explorer, raisonner et s’adapter ? Mon projet se construit encore, à travers mes lectures et mes expériences, mais cette direction est devenue claire : consacrer davantage de temps à comprendre ces mécanismes et contribuer à la recherche en intelligence artificielle.