L’expertise métier bat la complexité algorithmique
Au cœur d’un parcours qui va de la fintech au conseil indépendant, Claudia Ng démontre que l’expertise métier surpasse les algorithmes dernier cri pour générer de la valeur rapide et mesurable. Son approche “problem-first”, ses MVP livrés en 10 heures et sa méthode de cadrage par KPI illustrent une discipline d’exécution tournée vers l’impact. En parallèle, elle explore l’apprentissage des langues assisté par l’IA et suit de près le potentiel du TTS pour préserver les langues menacées.
Points clés
- Claudia Ng est entrepreneure en IA et data scientist avec plus de 6 ans d’expérience en modèles de ML en production dans la fintech
- En 2024, elle a terminé 2e d’une compétition Web3 de credit scoring et remporté 10 000 $
- Leçon clé : l’expertise métier prime sur la complexité algorithmique ; elle a cadré le défi comme un problème classique de risque crédit
- Exécution frugale : 10 heures de travail, un MVP soumis, “shipped > perfect” et la conviction que les barrières sont surtout mentales
- Nouveau filtre d’opportunités : comprendre le problème cœur et s’assurer qu’il suscite un réel intérêt avant de se lancer
- Virage vers le freelance : missions de conseil en data/ML et développement d’un produit d’apprentissage des langues avec IA, en build in public via sa newsletter
- Polyglotte (9 langues), elle conçoit un partenaire d’entraînement à l’oral axé sur des scénarios réels et les nuances culturelles
- Méthode client : approche problem-first, diagnostic par données (ex. restauration via analyses d’avis) pour passer de la plainte au plan d’action
- Définition du succès en amont : KPI quantifiables (temps, qualité, revenus) et solution adaptée (tableau de bord, RAG, prédiction) → décisions plus rapides et insights plus clairs
- Conseils carrière : choisir sa voie, éviter le “tutorial hell”, faire levier sur l’expertise métier ; tendance suivie de près — le TTS pour langues menacées grâce au transfer learning et au voice cloning avec peu de données
À retenir
Morale du feuilleton : commencez par le problème, pas par le buzzword. Cadrez des KPI, livrez un MVP, et gardez vos algorithmes étincelants pour quand ils servent réellement le business (oui, votre notebook ne paiera pas les factures). Et si vous hésitez encore sur votre “lane”, choisissez-en une — avant que le TTS ne parle neuf langues mieux que vous.
Sources
