Vous êtes ingénieur, pas data scientist et pourtant vous passez des heures sur vos données.
Je m’appelle Thibaut, ingénieur aéronautique depuis 25 ans. J’ai vécu cela et j’ai trouvé comment en sortir.
Vous vous reconnaissez ?
Votre vraie valeur, c’est votre expertise métier.
Votre connaissance du terrain, des composants, des process.
Mais en pratique, une bonne partie de votre semaine ressemble à cela :
- Exporter des données depuis un logiciel, les recopier dans Excel
- Nettoyer des fichiers que personne n’a documentés correctement
- Refaire à la main un rapport que vous avez déjà fait 50 fois
- Croiser des données de capteurs sans outil adapté
Ce n’est pas votre métier. Mais c’est vous qui le faites.
Ce blog existe pour changer cela.
Des méthodes concrètes. Du code qui marche. Des résultats terrain.
Pas de théorie abstraite. Pas de jargon inutile.
Chaque article part d’un problème réel — celui que vous avez peut-être en ce moment — et propose une solution que vous pouvez appliquer dès cette semaine.
Des scripts Python pour automatiser vos traitements répétitifs.
Des méthodes pour analyser vos données de capteurs sans être data scientist.
Des cas concrets issus de 25 ans de terrain en aéronautique.
L’objectif est toujours le même : vous redonner du temps pour faire votre vrai métier.
Qui je suis
Thibaut — Ingénieur aéronautique, pas gourou de la data
25 ans dans l’industrie aéronautique.
Des projets de recherche sur la maintenance prédictive.
Des centaines d’heures passées à me demander pourquoi on passait autant de temps sur des tâches qui auraient pu être automatisées.
En 2020, j’ai décidé de creuser sérieusement la question. Et ce que j’ai appris a changé ma façon de travailler.
C’est ce que je partage ici — sans bullshit, avec du code qui tourne vraiment.
Articles récents
-
Pourquoi les ingénieurs mécaniciens devraient apprendre Python en 2026 (et par où commencer)
Pendant des années, mon outil de référence s’appelait Excel. Des tableaux croisés dynamiques, des formules imbriquées, un peu de VBA quand les choses devenaient vraiment répétitives. C’était laborieux, c’était fragile — un fichier mal nommé, une colonne déplacée, et tout s’effondrait. Mais c’était ce que tout le monde faisait autour de moi, alors je continuais….
-
Pourquoi vos données industrielles sont inexploitables et comment les remettre en ordre avec Python
Sur un projet de maintenance prédictive en aéronautique, on cherchait à prédire l’encrassement d’un filtre à partir de mesures de consommation de courant. L’idée était simple ; à mesure que le filtre s’encrasse, la pompe compense en consommant davantage. En suivant cette consommation, on devrait pouvoir anticiper le changement de filtre avant la panne. En…
-
Pourquoi votre projet de Maintenance Prédictive va échouer (et les leçons que j’en ai tirées de l’aéro)
Introduction Un composant mécanique ne tombe pas en panne du jour au lendemain. Il se dégrade, lentement, progressivement, de manière souvent imperceptible — jusqu’au moment où c’est trop tard. Une turbine qui vibre un peu plus fort. Un roulement dont la température monte imperceptiblement. Des signaux faibles que personne n’a su lire à temps. Sur…
Vous souhaitez aller plus loin ?
Je prépare une formation complète sur la data science appliquée à l’industrie.
Maintenance prédictive, analyse de signaux capteurs, automatisation avancée.
Du code, des données réelles, des cas terrain.
Les premiers inscrits bénéficieront d’un tarif de lancement.