🏆 Compétitions Kaggle & Machine Learning
35+ compétitions engagées · 7 top 4 % · 3 top 1 % · meilleur rang #14 / 3 022
Palmarès complet et vérifiable sur le profil.
🤖 Ce qui change en ce moment
La stratégie gagnante se déplace vers l’agentique. Là où l’on itérait à la main sur les variables et les modèles, les compétiteurs déploient de plus en plus des systèmes d’agents qui explorent, testent et sélectionnent les pistes en autonomie. C’est le même mouvement que celui suivi par ailleurs sur mes projets — agent de diagnostic, orchestration de modèles — et il est en train de redéfinir ce que veut dire « bien travailler » sur une compétition.
Où j’en suis : j’expérimente l’automatisation d’une partie de l’exploration des variables et des modèles. Aucun classement ci-dessus ne lui est attribuable — c’est un chantier, pas un résultat.
Où en est ce projet : activité continue — nouvelle compétition engagée régulièrement, en parallèle des autres projets.
🧑💼 Vue d’ensemble
Le principe : sur Kaggle, des milliers d’équipes dans le monde s’affrontent sur le même problème, avec les mêmes données, dans un délai fixé — un peu comme un concours d’algorithmes à l’échelle mondiale. Le classement final est objectif : même données pour tout le monde, un seul score qui compte.
Pourquoi c’est une preuve utile : contrairement à un projet personnel où on choisit son propre problème et ses propres critères de réussite, ici la difficulté et les règles sont imposées, et la comparaison se fait contre des milliers d’autres personnes, du débutant à l’expert. Finir dans le 1% mondial sur plusieurs compétitions différentes (course automobile, agriculture, écoute de podcasts…) montre une capacité à s’adapter vite à un nouveau domaine et à en extraire les bonnes informations, plutôt qu’une simple connaissance apprise par cœur sur un seul sujet.
Ce que ça démontre concrètement : - Capacité d’apprentissage rapide sur des domaines très différents (35+ sujets distincts en 5 ans) - Rigueur méthodologique (éviter de “tricher” en apprenant par cœur les données de test, une erreur fréquente chez les débutants) - Veille technique active : intégration des toutes dernières techniques de recherche dès leur publication
📊 Statistiques Globales
| Métrique | Valeur |
|---|---|
| Compétitions engagées | 35+ |
| Notebooks écrits | ≈ 1 050 — 499 sur Kaggle (majorité privés), 551 en local |
| Top 4% mondial | 7 compétitions |
| Top 1% mondial | 3 compétitions |
| Meilleur rang | #14 / 3 022 (Top 0.5%) |
| Domaines couverts | Régression, classification, NLP, time series, vision, anomalies |
🥇 Compétitions Top 1% Mondial
1. Predicting Irrigation Need - #32 / 4 315 équipes (Top 0.7%)
Type : Classification binaire/multi-classes
Contexte : Prédiction des besoins en irrigation agricole
Approche Feature Engineering : - Features temporelles : cumul de précipitations, évapotranspiration - Indices de végétation dérivés (NDVI, NDWI) - Lag features sur données météo (J-7, J-14, J-30) - Rolling statistics (moyennes, écarts-types sur fenêtres glissantes) - Encodages cycliques : jour de l’année, heure
Modélisation : - Modèles dominants : LightGBM, XGBoost, CatBoost - Feature selection : importance des features, SHAP - Validation : Time series split
Technologies : Python, LightGBM, XGBoost, Pandas, Polars
2. Prediction F1 Pit Stop - #14 / 3 022 équipes (Top 0.5%)
Type : Régression/Classification
Contexte : Prédiction de la durée ou du moment des arrêts aux stands en F1
Approche Feature Engineering : - Features course : position, écart avec concurrents, tours restants - Features pilote : historique pit stops, style de conduite - Features équipe : performance moyenne aux stands - Features conditions : température piste, météo, safety car - Lag features : performance derniers tours
Modélisation : - Modèles : XGBoost, LightGBM, CatBoost, réseaux neuronaux - Feature importance : SHAP values pour interprétation - Validation : K-fold stratifié par course - Ensembling : Stacking avec régression métique
Technologies : Python, XGBoost, LightGBM, SHAP, Optuna
3. Predict Podcast Listening Time - #20 / 3 310 équipes (Top 0.6%)
Type : Régression
Contexte : Prédiction du temps d’écoute de podcasts
Approche Feature Engineering : - Features utilisateur : historique d’écoute, préférences, engagement - Features podcast : durée, catégorie, popularité, invité - Features interaction : match utilisateur-podcast - Features temporelles : jour de la semaine, heure, saison - Text features : NLP sur titres et descriptions (TF-IDF, embeddings)
Modélisation : - Modèles tabulaires : LightGBM, XGBoost, CatBoost - NLP : Embeddings de texte + concaténation avec features tabulaires - Validation : Group K-fold (par utilisateur)
Technologies : Python, LightGBM, HuggingFace Transformers, Scikit-learn
🥈 Autres Compétitions Notables
4. Regression — California Housing - #14 / 689 équipes (Top 2%)
Type : Régression
Contexte : Prédiction de prix immobiliers en Californie
Approche : - Feature engineering : interactions géographiques, ratios - Modèles : XGBoost, LightGBM, CatBoost, réseaux neuronaux - Validation : K-fold stratifié par région
5. Regression — Abalone Dataset - #61 / 2 606 équipes (Top 2%)
Type : Régression
Contexte : Prédiction de l’âge d’ormeau à partir de caractéristiques physiques
Approche : - Feature engineering : ratios de mesures, transformations non-linéaires - Modèles : Gradient Boosting, SVR, réseaux neuronaux
6. Steel Plate Defect Prediction - #88 / 2 199 équipes (Top 4%)
Type : Classification multi-label
Contexte : Détection de défauts sur des plaques d’acier (industrie)
Approche : - Feature engineering : features géométriques, statistiques de capteurs - Gestion déséquilibre : SMOTE, class weights - Modèles : XGBoost, LightGBM, Random Forest
7. Multi-Label Classification — Enzyme Substrate - #44 / 1 047 équipes (Top 4%)
Type : Classification multi-label
Contexte : Prédiction de substrats enzymatiques (biologie/chimie)
Approche : - Feature engineering : descripteurs moléculaires, fingerprints - Gestion multi-label : Binary Relevance, Label Powerset - Modèles : One-vs-Rest XGBoost, Classifier Chains
📊 Répartition — non exclusive — par type de problème
Une compétition peut relever de plusieurs types ; les lignes se recoupent et leur somme dépasse le total.
| Type | Nombre | Meilleur Top % |
|---|---|---|
| Régression | 10+ | 2% |
| Classification binaire | 12+ | 0.7% |
| Classification multi-classes | 6+ | 0.7% |
| Classification multi-label | 4+ | 4% |
| Time Series | 5+ | 0.5% |
| NLP | 3+ | 0.6% |
📈 Évolution des Performances
| Période | Performance | Approche |
|---|---|---|
| 2021-2022 | Top 20-30% | Modèles standards, peu de feature engineering |
| 2023-2024 | Top 5-10% | Feature engineering intensif, ensembling |
| 2025-2026 | Top 1-2% | Approche systématique, veille active (TabM, TabICL2) |
📖 Comment lire ce palmarès
Toutes ces compétitions n’ont pas reçu le même investissement — autant le dire que le laisser deviner.
La majorité ont été menées sérieusement, du début à la fin. D’autres ont été engagées puis laissées de côté : une semaine de travail initial, puis le temps a manqué. Sur celles-là, moins de 25 % du temps disponible a été réellement exploité, et le classement retenu est celui d’une soumission arrêtée en fin de mois.
Le rang de ces compétitions-là ne mesure donc pas le plafond de la méthode : il mesure ce qu’elle rend en une semaine. La démarche qui mène au top 1 % est comprise et reproduite — trois fois, sur trois domaines sans rapport entre eux : course automobile, irrigation agricole, écoute de podcasts.
≈ 1 050 notebooks : 499 dans l’espace de travail Kaggle, majoritairement privés, et 551 en local, comptés hors copies automatiques de Jupyter. Ce sont les brouillons, les essais écartés et les itérations qui ne sont pas destinés à être publiés — l’ordre de grandeur du travail réel derrière les sept rangs affichés.