Portrait d'Emna Tounssi Disponible pour un poste ou des missions freelance, à distance ou à Tunis

Data scientist et ingénieure IA · diplômée de l'ENIT, 2026

Emna Tounssi

Je construis des assistants IA, des modèles prédictifs et des outils de vision par ordinateur qui fonctionnent sur de vraies données.

Je mesure honnêtement ce que valent mes modèles avant de les montrer.

databot · espace « Olist e-commerce »
DataBot sur une base PostgreSQL qu'il découvre : une question en langage naturel, puis la réponse et son graphique.Voir la démo complète →
projets de bout en bout
5
stages en entreprise
2
démos vidéo
3
diplômée de l'ENIT
2026

À propos

Des modèles évalués honnêtement, livrés dans des outils utilisables

Ingénieure en modélisation et data science, diplômée de l'École Nationale d'Ingénieurs de Tunis en 2026. J'aime les projets complets : partir de données brutes, construire un modèle ou un agent, l'évaluer sur des données qu'il n'a jamais vues, puis le livrer dans un outil que quelqu'un utilise vraiment.

Mes projets couvrent le machine learning classique, le deep learning pour la vision, le traitement du signal et l'IA générative : agents, RAG et évaluation par LLM juge.

  • Machine learning et deep learningClassification, détection d'anomalies, vision, signaux
  • IA générative et agentsAgents LangGraph, RAG, évaluation par LLM juge
  • De la donnée au produitAPI, applications web, Docker, tests automatisés

Services

Ce que je peux construire pour vous

Chaque service s'appuie sur des projets que vous pouvez ouvrir, avec leurs résultats mesurés et leurs limites.

Modèles de machine learning et de deep learning

Prédiction, classification, prévision et détection d'anomalies sur vos données, pour le commerce, l'industrie, la santé ou la finance.

Projets : DataBot, ThreatLens, EEG

Solutions d'IA avec des grands modèles de langage

Des assistants IA qui répondent à partir de vos documents ou de vos données (RAG) et des agents qui automatisent des tâches en plusieurs étapes.

Projets : Explain My Model, DataBot

Projets

Cinq projets de bout en bout

Chaque projet affiche ses résultats mesurés, sa méthode et ses limites.

Projets personnels et académiques, avec démonstration ou résultats

2 démos vidéo

Projet personnel · 2025 à 2026

DataBot : votre assistant data scientist propulsé par l'IA

Posez vos questions sur vos données métier en langage courant et obtenez la réponse avec son graphique, ou menez ensemble un projet de data science complet en validant chaque étape, avec tout le travail livré en notebook et en rapport PDF.

Un assistant IA qui se connecte aux bases de données et aux fichiers, écrit et exécute le code, construit et évalue des modèles. Il suit CRISP-DM et ne passe à la phase suivante qu'avec l'accord de l'utilisateur. Prêt pour un déploiement public : comptes ouverts, clé IA propre à chacun, code isolé.

Souscriptions à appels égaux
+40 %
AUC sur des campagnes futures
0,65
Tests automatisés
≈ 330
  • GPT-5.1
  • GPT-5.4
  • LangChain
  • LangGraph
  • FastAPI
  • React
  • DuckDB
  • Docker
Voir le projet
Démo vidéo

Projet personnel · vision par ordinateur · 2026

Reconnaissance des émotions faciales en temps réel

Reconnaît l'émotion de chaque visage dans une vidéo (joie, surprise, colère…) et indique son degré de certitude, plus vite que la vidéo ne défile.

Un ResNet-18 pré-entraîné reconnaît 7 émotions sur chaque visage d'une vidéo, en temps réel. J'ai d'abord retiré 7 976 images douteuses, dont 1 916 copies entre entraînement et test, puis mesuré sur un test propre : 82,7 % d'exactitude.

Exactitude, test nettoyé
82,7 %
Bonne émotion dans les 2 premières
95,5 %
Vitesse sur processeur seul
49 im/s
  • PyTorch
  • ResNet-18
  • apprentissage par transfert
  • OpenCV
  • YuNet
  • scikit-learn
Voir le projet
Résultats par patient

Projet de 2e année (PFA), ENIT, en binôme · 2025

Détection de crises d'épilepsie sur signaux EEG

Repère automatiquement les crises d'épilepsie dans des enregistrements de signaux cérébraux (EEG).

Un modèle par patient sur la base CHB-MIT : filtrage, caractéristiques du signal, sélection des canaux avec Boruta et seuil réglé pour ne pas rater de crise. 31 crises détectées sur 32.

Rappel
95,3 %
Précision
99,5 %
Crises détectées
31 / 32
  • Python
  • MNE
  • scikit-learn
  • imbalanced-learn
  • Random Forest
  • Boruta
  • ondelettes
Voir le projet

Projets en entreprise : études de cas, code et données confidentiels

Étude de casPwC Tunisia · projet de fin d'études (PFE) · février à juillet 2026

Explain My Model : documenter automatiquement des modèles de risque de crédit

Lit le code SAS, Python et R des modèles de risque de crédit d'une banque, y compris du code bâti sur SAS Risk Dimensions, un moteur propriétaire sans documentation publique, et rédige leur documentation technique et réglementaire, vérifiée automatiquement puis validée par un expert.

PFE chez PwC : huit agents d'IA lisent le code SAS, Python et R de modèles de risque de crédit et rédigent leur documentation IFRS 9 et Bâle III. Contrôles automatiques, LLM juge et revue experte : fidélité au code de 0,96.

Fidélité au code, 46 évaluations
0,96
Lignes de code rattachées
100 %
Critères de succès atteints
4 / 5
  • LangGraph
  • LangChain
  • RAG (BGE-M3, FAISS)
  • DeepEval
  • Llama 3.3 70B
  • Flask
  • SQLite
  • Playwright
  • ReportLab
Voir le projet

Étude de casNavitrends · stage d'ingénieure à distance · juillet à août 2025

ThreatLens : détection d'attaques dans des logs de serveur web

Surveille le trafic d'un site web et signale les visiteurs suspects (scans de failles, attaques de mots de passe, robots), avec leur provenance et une alerte envoyée par e-mail.

Détection non supervisée de scans, d'attaques et de robots dans 1,83 Go de logs web. Isolation Forest note chaque adresse toutes les 5 minutes ; l'application ThreatLens affiche une carte et envoie des alertes PDF. F1 de 0,92 sur une base de test simulée.

Logs analysés (92 fichiers)
1,83 Go
F1, anomalies injectées
0,92
Réponse de l'interface
< 200 ms
  • Python
  • scikit-learn
  • Isolation Forest
  • DBSCAN
  • t-SNE
  • Flask
  • SQLite
  • GeoLite2
  • Leaflet
  • ReportLab
Voir le projet

Méthode

Comment je travaille

01

Cadrer avant de coder

Je commence par fixer ce qui compte et comment le mesurer : rater une crise d'épilepsie coûte plus qu'une fausse alerte, donc le rappel prime ; au PFE, cinq critères de succès chiffrés étaient fixés avant la première ligne de code.

Exemple : Explain My Model →

02

Vérifier les données

Avant de modéliser, je cherche ce qui fausserait le résultat : 1 916 images communes à l'entraînement et au test retirées, clients comptés deux fois, mois incomplets, montants gonflés par des jointures.

Exemple : Émotions →

03

Évaluer sans tricher

Test isolé et utilisé une seule fois, ordre réel du temps quand il compte, comparaison à des modèles de référence, intervalles de confiance. Les réglages se choisissent sur la validation, jamais sur le test.

Exemple : DataBot →

04

Livrer, limites comprises

Je vais jusqu'à l'outil utilisé : tableau de bord avec alertes, plateforme pour experts, rapports PDF, notebook. Chaque livrable dit où il est fiable et où il ne l'est pas.

Exemple : Anomalies →

Parcours

Expérience et formation

  1. Février à juillet 2026 · Tunis

    Stagiaire ingénieure IA, PwC Tunisia

    Projet de fin d'études (PFE) au sein de Risk Services Maghreb : une plateforme multi-agents d'IA générative qui lit le code de modèles de risque de crédit et rédige leur documentation IFRS 9 et Bâle III, vérifiée automatiquement puis validée par un expert. Voir le projet.

  2. Juillet à août 2025 · à distance

    Stagiaire ingénieure data science, Navitrends

    Détection non supervisée d'attaques dans 1,83 Go de logs web, et ThreatLens, une application de surveillance avec carte et alertes PDF par e-mail. Voir le projet.

Formation

  • École Nationale d'Ingénieurs de Tunis (ENIT)Diplôme d'ingénieur en modélisation et data science, 2023 à 2026
  • Faculté des Sciences de TunisLicence en mathématiques et informatique, 2020 à 2023, mention Bien, major de promotion

Certification

AI Engineer for Data Scientists Associate, DataCamp, 11 décembre 2025. Voir le certificat

Compétences

Les outils, reliés aux projets

Machine learning

  • scikit-learn
  • Random Forest
  • Isolation Forest
  • DBSCAN
  • t-SNE
  • Boruta
  • Validation dans le temps
  • Détection d'anomalies

Utilisé dans : DataBot, EEG, Anomalies

Deep learning et vision

  • PyTorch
  • ResNet
  • Apprentissage par transfert
  • CNN
  • TensorFlow
  • Keras
  • OpenCV
  • Augmentation de données

Utilisé dans : Émotions

IA générative et agents

  • LLM
  • Systèmes multi-agents
  • LangChain
  • LangGraph
  • RAG
  • FAISS
  • BGE-M3
  • DeepEval
  • LLM juge
  • Prompt engineering

Utilisé dans : DataBot, Explain My Model

Traitement du signal

  • MNE
  • Filtrage
  • Ondelettes
  • Entropies
  • Analyse spectrale

Utilisé dans : EEG

Données et évaluation

  • Python
  • pandas
  • SQL
  • PostgreSQL
  • MySQL
  • SQLite
  • DuckDB
  • Matplotlib
  • Bootstrap et intervalles de confiance

Utilisé dans : DataBot, Émotions, Anomalies

Ingénierie logicielle

  • FastAPI
  • Flask
  • React
  • Docker
  • Tests automatisés
  • Authentification et rôles
  • Rapports PDF (ReportLab)
  • Git

Utilisé dans : DataBot, Explain My Model, Anomalies

Domaines métier

  • Risque de crédit : IFRS 9, Bâle III
  • Cybersécurité : logs web
  • Santé : signaux EEG
  • E-commerce et marketing bancaire

Utilisé dans : Explain My Model, Anomalies, EEG, DataBot

Langues

  • Arabe : langue maternelle
  • Français : compétence professionnelle complète
  • Anglais : compétence professionnelle

Contact

Un poste ou un projet en data science, machine learning ou IA générative ? Parlons-en.

Je suis disponible pour un poste ou des missions freelance, à distance ou à Tunis. Le plus simple est de m'écrire : je réponds rapidement.

emnatounssi@gmail.com