À propos
Je suis Victor Carré. Docteur en chimie organique et data scientist spécialisé en données scientifiques. Mon parcours est celui d’un scientifique qui a appris à coder pour faire ce que les outils existants ne pouvaient pas faire.
De la paillasse à la prédiction
Tout a commencé par une question simple : pourquoi certaines molécules absorbent-elles la lumière d’une certaine façon ? Cette curiosité m’a conduit à consacrer huit ans d’études en sciences, puis trois ans de thèse à la photochimie au sein de l’Institut des Sciences Moléculaires de Bordeaux (CNRS), à synthétiser des systèmes photocatalytiques capables de fonctionnaliser des liaisons C–H en exploitant simplement la lumière visible.
Mais la chimie expérimentale a ses limites. Chaque hypothèse coûte du temps, des réactifs, des semaines de synthèse. J’ai commencé à me demander si les données accumulées dans les bases scientifiques mondiales (i.e. des millions d’expériences, de résultats, de structures moléculaires) ne pouvaient pas être exploitées autrement. J’ai donc, en parallèle de ma thèse, commencé à me former au Machine Learning avec une formation en ligne dispensée par les créateurs de Scikit-learn, puis à construire mes premiers modèles de prédiction moléculaire en Python.
C’est là qu’est né l’intérêt pour la data science, d’abord comme outil de curiosité, puis comme discipline à part entière.
Le pivot
Fin 2024, thèse défendue avec félicitations, je profite des quelques mois qui suivent pour travailler sur des idées de projet que j’ai eu lors de ma thèse. Je commence ainsi à développer mes premiers systèmes d’IA en concevant des infrastructures locales, LLM Memorization puis LocalMind. Mon idée était de construire des assistants personnels capables de raisonner sur mes données scientifiques, d’aider au brainstorming assisté pour générer des hypothèses à tester en laboratoire. La problématique était de garder les données privées, étant donné la nature sensible de la recherche scientifique.
Comme dans tout domaine de recherche, les réponses obtenues à ses questions n’amènent que de nouvelles questions, je décide d’intégrer le bootcamp Data Science & IA du Wagon pour consolider mes connaissances dans ce domaine. Mon objectif reste le même : construire des systèmes capables de raisonner sur des données scientifiques, d’automatiser la veille bibliographique, et enfin de prédire l’activité de molécules avant de les synthétiser.
Le bootcamp confirme ce que je pressentais : le deep learning, les LLMs, les GNNs ne sont pas des gadgets, mais de véritables leviers de recherche à part entière, encore largement sous-exploités dans les sciences de la vie et de la matière. À l’issue de la formation, j’ai eu l’opportunité d’être chef de projet au sein de BioGNN, projet de prédiction d’activité biologique de molécules par réseaux de neurones graphiques — dont la présentation finale est disponible ici.
Depuis, je travaille en freelance sur des projets qui se situent exactement à cette intersection.
Aujourd’hui
Je développe des outils d’IA appliqués à la chimie et aux sciences de la vie. Disposant de ma propre infrastructure de calcul (2 GPUs, modèles locaux via Ollama), je travaille sur :
- Prédiction moléculaire — GNNs et PINNs pour l’activité biologique et les propriétés physico-chimiques
- Systèmes agentiques — agents de recherche bibliographique, brainstorming assisté, automatisation de workflows scientifiques
- Veille scientifique augmentée — GraphRAG sur corpus de papers, knowledge graphs en photochimie et biostimulation
En parallèle, je suis Teacher Assistant au Wagon (Deep Learning, IA générative, RAG) et je collabore bénévolement avec le Laboratoire d’Agroécologie et de Biodiversité de Bretagne (Breizh Oasis) sur la valorisation des données terrain.
Mon objectif à long terme est de contribuer à l’émergence de laboratoires autonomes, où l’IA accélère le cycle hypothèse → expérience → découverte, tout en se focalisant sur la souveraineté des données : des modèles locaux et des infrastructures privées, pour une approche éthique de l’IA au service de la science.
Parcours
2026 — aujourd’hui · Teacher Assistant, Le Wagon (Data Science & IA)
2025 — aujourd’hui · Bénévole, Breizh Oasis — Laboratoire d’Agroécologie et de Biodiversité de Bretagne
2025 — 2026 · Formation Data Science & IA (RNCP 6), Le Wagon
2021 — 2024 · Doctorat de Chimie Organique — photochimie, photocatalyse, flux continu Institut des Sciences Moléculaires, Université de Bordeaux / CNRS (mention Félicitations)
2022 — 2023 · Comité d’organisation — PhotOnline’2023 (SP2P)
2021 · Ingénieur R&D, Roche — Catalysis & Flow Chemistry, Bâle
2020 · Assistant ingénieur, Roche — veille procédés industriels, Bâle
2019 — 2021 · Master Chimie Moléculaire, Université de Rennes (mention Bien)
2019 · Stage, Institut des Sciences Chimiques de Rennes (UMR CNRS 6226)
2017 — 2019 · Licence Chimie, Université de Rennes (mention Très Bien)
2015 — 2017 · PACES, Université de Caen Normandie (reçu, 205/1349)