Simon Bussy
Vision Califrais Research Speaking Contact EN·FR

Founder & CEO, Califrais · PhD in Machine Learning

From AI Research to Real-World Impact.

Researcher turned founder. I lead Califrais, a deeptech company bringing state-of-the-art AI to the food supply chain.

Read my vision califrais.com
Simon Bussy speaking on stage, microphone in hand
Heard at WUWM VivaTech SIAL Paris BFM Business Les Echos Forbes Maddyness Le Parisien and many more ↗

01 — Vision

The future of food supply chains is not just digital. It’s intelligent, predictive, orchestrated.

Decide, not just predict

History is no longer enough to anticipate. AI has to take decisions on stocks, trucks and prices, in real time.

Optimised as a whole

Producers, wholesalers, distributors and carriers reasoning together, with digital twins to test every shock before it hits.

Sovereign by design

Expertise you can audit, hosted where you want, with core algorithms that don’t rely on LLMs.

The full vision

02 — Califrais

If it works at Rungis, it works anywhere.

Since 2021, Califrais has been the official digital and logistics operator of Rungis. On rungismarket.com, 150 wholesalers meet more than 3,000 professional buyers, and every order, product and route is optimised.

Beyond Rungis, we work in strong partnerships with major European retailers, wholesalers and logistics providers, with significant gains measured in the field.

Behind it: twelve AI agents from order to delivery, a digital twin on top, and ten years of R&D with twelve academic labs and more than 200 researchers.

99%
service rate at Rungis
÷2
food waste
÷7
CO₂ emissions
÷2
transport costs
−60%
stock-outs with Europe’s #1 retailers

Measured every night, on real flows. Better service, lower cost, less waste: no longer a trade-off.

03 — Speaking

Recently on stage

All talks, TV & press
Keynote · WUWM 2026, Tianjin From Wholesale Markets to Intelligent Food Ecosystems Upcoming · 1 Dec 2026, Paris Keynote at Supply Chain Event Oct 2026 · SIAL Paris Food Intelligence summit & panel on R&D and AI Jun 2026 · VivaTech Three talks with the CNRS, Sorbonne Université and SCAI

04 — Path

From high-dimensional statistics to AI for supply chains.

2025Califrais raises €10M to accelerate the decarbonisation of the food supply chain
2021Califrais becomes the official digital and logistics operator of Rungis
2020Daniel Schwartz PhD Thesis Award, French Biometric Society
2019Doctor Norbert Marx Award, French Statistical Society
2018–2019Postdoctoral researcher, INSERM
2015–2018PhD in Statistics, Sorbonne Université (LPSM)
2014Founds Califrais · MSc Machine Learning (MVA), ENS Paris-Saclay
2011–2014MSc Statistics & Applied Maths, Télécom SudParis
ResearchPapers in NeurIPS, JMLR and Biometrics · two PhD theses supervised Publications & interests →

05 — Contact

Let’s talk.

I’m always glad to hear from people who want to change how food moves.

01
Investors

Building a global AI champion for the food supply chain.

02
Food supply chain players

Distributors, wholesalers, logisticians and wholesale markets ready to put AI to work.

03
Potential partners

Research labs, institutions and technology companies who want to build with us.

Email me LinkedIn
Califrais’ Machine Learning Lab
198 Avenue de France, 75013 Paris
© Simon Bussy 2026 EN · FR
Simon Bussy
Vision Califrais Research Speaking Contact EN·FR

Vision

Food supply chains will become intelligent ecosystems.

Every night, tons of fresh food move through warehouses, markets and distribution centres. Stock levels, routes and prices form a gigantic dynamic problem in very high dimension: time-dependent, constrained, perishable. Today, most of those decisions are still made on gut feeling, and a lot of phone calls.

01 — Why now

History is no longer enough to anticipate.

01 · Climate

Five times more weather disasters than fifty years ago. Harvests and logistics are hit directly.

02 · Performance

More than one order in ten is not served right. Ageing tools, little pooling, very thin margins.

03 · Carbon

Decarbonisation is no longer optional, and the rules are getting tighter, fast.

02 — Decide, not just predict

“A forecast is nice. A decision is better. Last year’s numbers won’t tell you about tomorrow’s behaviours.”

The food chain must adapt in real time, and be optimised as a whole. That calls for AI that takes decisions on stocks, trucks and prices, under real operational constraints, instead of dashboards that only describe yesterday.

Generative AI makes code faster and cheaper than ever. The value is shifting to understanding complex problems and designing the right solutions. To stay sovereign and in control, you need to truly understand the AI you rely on, or partner with people who master it.

Watch the keynotes Let’s talk
Simon Bussy
Vision Califrais Research Speaking Contact EN·FR

Research

From high-dimensional statistics to decisions under uncertainty.

My PhD was about prognosis in high dimension, with survival analysis and personalised medicine as a playground. The same toolbox, sparse models, censored and time-dependent data, online learning, now serves a different question: how to take good decisions, every night, on perishable and stochastic supply chains.

01 — What I work on now

Califrais’ research programmes
Demand forecasting at scale

Thousands of fresh products, sparse and volatile sales, catalogue hierarchies: probabilistic and hierarchical forecasts that stay calibrated when regimes change.

→ hierarchical & state-space methods
Inventory under perishability

Deciding every day what to order, how much and when, with shelf lives, minimum order quantities and lead times. Online learning gives guarantees where classical inventory theory stops.

→ NeurIPS 2023
Network-wide optimisation

Upstream and downstream at once: supplier pickups, replenishment modes, warehouses and deliveries optimised together across a logistics network.

Routing & pooling between actors

Learning-augmented routing solvers, and shared fleets between actors whose interests sometimes compete: how to pool deliveries, and how to price and share the gains fairly.

From prediction to decision

Training models on what actually matters, stock-outs, waste, logistics cost and CO₂, rather than on forecasting error alone.

ExploringFoundation models for food supply chains: one representation learnt across products, clients and networks, trained for decision quality.

02Publications

2024 · Biometrics An efficient joint model for high dimensional longitudinal and survival data via generic association featuresV.T. Nguyen, A. Fermanian, A. Guilloux, A. Barbieri, S. Zohar, A.S. Jannot, S. Bussy Paper ↗
2024 · Preprint Multivariate Online Linear Regression for Hierarchical ForecastingM. Hihat, G. Garrigos, A. Fermanian, S. Bussy Paper ↗
2023 · NeurIPS Online Inventory Problems: Beyond the i.i.d. Setting with Online Convex OptimizationM. Hihat, S. Gaïffas, G. Garrigos, S. Bussy Paper ↗
2021 · Biometrics Binacox: automatic cut-point detection in high-dimensional Cox model with applications in geneticsS. Bussy, M.Z. Alaya, A. Guilloux, A.S. Jannot Paper ↗GitHub ↗
2019 · BMC MRM Comparison of methods for early-readmission prediction in a high-dimensional heterogeneous covariates and time-to-event outcome frameworkS. Bussy, R. Veil, V. Looten, A. Burgun, S. Gaïffas, A. Guilloux, B. Ranque, A.S. Jannot Paper ↗GitHub ↗
2019 · JMLR Binarsity: a penalization for one-hot encoded features in linear supervised learningM.Z. Alaya, S. Bussy, S. Gaïffas, A. Guilloux Paper ↗GitHub ↗
2019 · J. Clin. Med. Trajectories of biological values and vital parameters: an observational cohort study of adult patients with sickle cell disease hospitalized for a non-complicated vaso-occlusive crisisR. Veil, S. Bussy, V. Looten, J.B. Arlet, J. Pouchot, A.S. Jannot, B. Ranque Paper ↗GitHub ↗
2018 · SMMR C-mix: a high-dimensional mixture model for censored durations, with applications to genetic dataS. Bussy, A. Guilloux, S. Gaïffas, A.S. Jannot · Doctor Norbert Marx Award 2019 Paper ↗GitHub ↗
All Califrais lab publications

Other manuscripts

PhD thesis · LPSM, Sorbonne Université, 2015–2018
Introduction of high-dimensional interpretable machine learning models and their applications
Thesis · Slides
Research internship · CMAP, École Polytechnique, 2015
New machine learning techniques for medicine
Report · Slides
Kaggle in class · Dreem, ENS Paris-Saclay, 2015
Prediction of slow oscillation from EEG signals
Report · Slides
Reinforcement learning project · ENS Paris-Saclay, 2014–2015
A movie recommendation system based on multi-action bandits
Report · Slides
Data scientist internship · Orange Silicon Valley, San Francisco, 2014
Machine learning models to predict start-up valuation trends
Report · Slides
Deep learning project · Télécom SudParis, 2013–2014
Layer-wise training of deep generative models
Report
Research project · Télécom SudParis, 2013
Optimal unsupervised segmentation of pairwise Markov processes
Report

03 — Research interests

Statistical learning
Finding a predictive function from data.
High-dimensional statistics
When the dimension rivals or exceeds the sample size.
Survival analysis
Modelling the time until an event of interest.
Time series & probabilistic forecasting
Forecasting with calibrated uncertainty, from single series to hierarchies.
Online learning
Algorithms that adapt as data arrive, with regret guarantees.
Reinforcement learning
Learning a behaviour through trial and error.
Deep learning
Layered models learning multi-level representations.
Foundation models
Large pretrained models that transfer across products, clients and domains.
Combinatorial & stochastic optimisation
Routing, packing and lot-sizing under uncertainty.
Decision-focused learning
Training models on the quality of the decisions they drive.
Game theory & mechanism design
Sharing costs and gains between collaborating actors.

04 — Supervision

Massil Hihat
PhD, Califrais ML Lab & LPSM, 2021–2024

Van Tuan Nguyen
PhD, Califrais ML Lab, 2021–2024

And research interns from ENS, ENSAE, Télécom Paris, Dauphine and Paris-Saclay.

05 — Honours

Doctor Norbert Marx Award, 2019
French Statistical Society

Daniel Schwartz PhD Thesis Award, 2020
French Biometric Society

© Simon Bussy 2026 LinkedIn ↗
Simon Bussy
Vision Califrais Research Speaking Contact EN·FR

Speaking & press

On stage, on air, in print.

Keynotes and panels for distributors, wholesalers, logisticians, wholesale markets and the research community, from Paris to Tianjin, Oslo and Casablanca.

Keynote · WUWM 2026 · Tianjin, China From Wholesale Markets to Intelligent Food Ecosystems: The AI Revolution Before market leaders from around the world: what the wholesale market of the future looks like, and how Rungis proves it. Read the vision →
Upcoming · 1 Dec 2026 · Supply Chain Event, Paris A fresh wind on the food supply chain Keynote, 12:00–12:45. AI for supply chain performance, mathematics and data to optimise logistics, cutting costs, emissions and waste: lessons from Califrais.

01Talks & panels

Oct 2026 SIAL Paris Food Intelligence summit, and a panel on how R&D and AI can reshape the food supply chain
Jun 2026 VivaTech, Paris · 3 talks With the CNRS on the Business Redefined Arena (fundamental research as a lever of sovereignty), with Sorbonne Université, and with SCAI
2026 Logismed, Casablanca Decarbonising the agri-food supply chain, end to end
Mar 2026 Forum Végétable, Paris Panel on resilient fruit & vegetable supply chains, with Groupe Primever, UNCGFL, The Shift Project and Rungis
Dec 2025 AMOR Retail Conference, Oslo Decarbonizing the Food Supply Chain with AI · BI Norwegian Business School
2025 KIRO Workshop, École des Ponts Co-organised with CERMICS: an optimisation challenge built on a real Califrais problem
2025 Logistics in Wallonia, Brussels AI to optimise large-scale food logistics
Oct 2024 SIAL Paris Presenting Califrais’ vision of AI for the food supply chain
May 2024 Sorbonne, Paris · co-organiser “Towards a sustainable food supply chain”, a SCAI × Califrais conference with Rungis, AI researchers, The Shift Project and policymakers
2022 WUWM Conference, Abu Dhabi AI to simplify fresh-produce sourcing on rungismarket.com
2019 Seeds&Chips, Milan · Irontalk, Paris Selected by Bpifrance and Business France · How to introduce AI to a traditional business

02TV & podcasts

2026 · Podcast
Futurs + Humains, KPMG Innovation — AI only has an ecological impact if its effects are measurable
Jun 2025 · TV
BFM Business ↗ — Good Morning Business: how Califrais optimises logistics with AI
2025 · Podcast
Oh My Planète, ADEME × France 2030 — “Le bon marché”, at dawn in Rungis
May 2023 · TV
BFM Business ↗ — 60 Minutes Business: digitising and optimising fresh-produce supply
Oct 2022 · TV
BFM Business ↗ — 60 Minutes Business: AI for routing fresh produce

03Press

Oct 2026
CNRS Innovation — Decarbonising the food supply chain with mathematics
Jul 2026
Le Parisien ↗ — The maths geniuses modernising the Rungis market
Apr 2026
CNRS ↗ — Califrais teams up with academic research for a sovereign, low-carbon food supply chain
Jun 2025
Les Echos ↗ — Califrais raises €10M to decarbonise procurement at Rungis
Jun 2025
Maddyness ↗ — AI: Califrais raises €10M to improve cold-chain logistics
Oct 2022
Forbes France ↗ — How Califrais is revolutionising the Rungis market
70+ articles on califrais.com ↗

04 — Academic talks, 2015–2020

Twenty talks and posters during and after my PhD, from Paris to Philadelphia, Seoul, Buenos Aires and Birmingham.

  • Aug 2020 Joint Statistical Meetings (JSM), Philadelphia, USA — Lights, joint model for high-dimensional longitudinal data (virtual) · Slides · Video
  • Jul 2020 International Biometric Conference (IBC), Seoul, Korea (virtual) · Slides
  • Jun 2019 Journées de Statistique, Nancy — Norbert Marx Award lecture · Slides
  • Jun 2018 Machine Learning Summer School, Buenos Aires, Argentina — Binacox (poster) · Poster
  • Aug 2016 International Society for Clinical Biostatistics, Birmingham, UK — C-mix (poster)
Full list with slides (20) ↓
  • Oct 2020 Daniel Schwartz Thesis Award lecture, Cnam, Paris · Slides
  • Aug 2020 Joint Statistical Meetings (JSM), Philadelphia, USA — Lights, joint model for high-dimensional longitudinal data (virtual) · Slides · Video
  • Jul 2020 International Biometric Conference (IBC), Seoul, Korea (virtual) · Slides
  • Jun 2019 Journées de Statistique, Nancy — Norbert Marx Award lecture · Slides
  • May 2019 Irontalk, Ironhack, Paris — How to introduce AI to a traditional business · Event
  • Apr 2019 Doctoriales, Sorbonne Université — doctor-entrepreneur keynote
  • Feb 2019 INSERM UMR 1137 seminar, Paris Bichat — predicting hospital readmission
  • Jan 2019 IRDES methodology seminar, Paris — AI for hospital readmission · Slides
  • Dec 2018 AI for humans and health, Évry — Binacox (poster) · Poster
  • Jul 2018 IA & Santé, Nancy — AI for hospital readmission · Paper · Slides
  • Jun 2018 Machine Learning Summer School, Buenos Aires, Argentina — Binacox (poster) · Poster
  • Apr 2017 PhD seminar, LPSM, Paris — survival models in high dimension · Slides 1 · Slides 2
  • Aug 2016 International Society for Clinical Biostatistics, Birmingham, UK — C-mix (poster)
  • May 2016 MAP5 seminar, Paris · Slides
  • Mar 2016 Paris Big Data Management Summit — mixture model for time-to-event data (poster) · Poster
  • Mar 2016 Data Initiative workshop, École Polytechnique — Gaussian processes for EHR time series · Slides
  • Jan 2016 Internal Medicine seminar, AP-HP, Paris — early readmission of sickle-cell patients · Slides
  • Jan 2016 PhD seminar, LPSM, Paris — risk assessment of sickle-cell anaemia · Slides
  • Dec 2015 PhD seminar, Cordeliers Research Centre (INSERM), Paris · Slides
  • Oct 2015 Data Initiative workshop, École Polytechnique — forecasting non-stationary time series

05 — Teaching

Statistics and machine learning, from undergraduate to executive education.

M2 Statistical Learning & Longitudinal Data
Massive Health Data, Université Paris Descartes · Lecturer, 2019–2021
Slides
M2 Survival Analysis & Machine Learning
Massive Health Data, Université Paris Descartes · Lecturer, 2019–2021
Slides
M2 Kaggle DataCamp
Data Science, Université Paris-Saclay · Project manager & instructor, 2018–2021
See all courses (7) ↓
Exec Data Science & Feature Design
École polytechnique Executive Education · Lecturer, 2019
M1 Linear Models
ISUP, Sorbonne Université (UPMC) · Teaching assistant, 2016–2018
Exercises 2016–17 · Exercises 2017–18
M1 Time Series
ISUP, Sorbonne Université (UPMC) · Teaching assistant, 2015–2016
Time series with R · Exercises
L3 Inferential Statistics
ISUP, Sorbonne Université (UPMC) · Teaching assistant, 2015–2018
Exercises
© Simon Bussy 2026 Invite me to speak — simon.bussy@califrais.fr
Simon Bussy
Vision Califrais Recherche Interventions Contact EN·FR

Fondateur & CEO, Califrais · Docteur en machine learning

De la recherche en IA à l’impact réel.

Chercheur devenu fondateur. Je dirige Califrais, une deeptech qui met l’IA de pointe au service de la supply chain alimentaire.

Lire ma vision califrais.com
Simon Bussy sur scène, micro en main
Entendu à WUWM VivaTech SIAL Paris BFM Business Les Echos Forbes Maddyness Le Parisien et bien d’autres ↗

01 — Vision

L’avenir de la supply chain alimentaire n’est pas seulement numérique. Il est intelligent, prédictif, orchestré.

Décider, pas seulement prédire

L’historique ne suffit plus pour anticiper. L’IA doit prendre des décisions sur les stocks, les camions et les prix, en temps réel.

Optimisée dans son ensemble

Producteurs, grossistes, distributeurs et transporteurs raisonnent ensemble, avec des jumeaux numériques pour tester chaque choc avant qu’il ne frappe.

Souveraine par conception

Une expertise auditable, hébergée où vous le souhaitez, avec des algorithmes cœur qui ne reposent pas sur des LLM.

La vision complète

02 — Califrais

Si ça marche à Rungis, ça marche partout.

Depuis 2021, Califrais est l’opérateur numérique et logistique officiel de Rungis. Sur rungismarket.com, 150 grossistes rencontrent plus de 3 000 acheteurs professionnels, et chaque commande, chaque produit et chaque tournée est optimisé.

Au-delà de Rungis, nous travaillons en partenariats forts avec de grands distributeurs européens, des grossistes et des logisticiens, avec des gains significatifs mesurés sur le terrain.

Derrière : douze agents IA de la commande à la livraison, un jumeau numérique par-dessus, et dix ans de R&D avec douze laboratoires académiques et plus de 200 chercheurs.

99%
de taux de service à Rungis
÷2
de gaspillage alimentaire
÷7
d’émissions de CO₂
÷2
de coûts de transport
−60%
de ruptures avec les n°1 européens de la distribution

Mesuré chaque nuit, sur des flux réels. Meilleur service, coûts plus bas, moins de gaspillage : plus besoin de choisir.

03 — Interventions

Récemment sur scène

Toutes les interventions, TV & presse
Keynote · WUWM 2026, Tianjin From Wholesale Markets to Intelligent Food Ecosystems À venir · 1er déc. 2026, Paris Keynote au Supply Chain Event Oct. 2026 · SIAL Paris Sommet Food Intelligence & table ronde R&D et IA Juin 2026 · VivaTech Trois interventions avec le CNRS, Sorbonne Université et SCAI

04 — Parcours

Des statistiques en grande dimension à l’IA pour la supply chain.

2025Califrais lève 10 M€ pour accélérer la décarbonation de la supply chain alimentaire
2021Califrais devient l’opérateur numérique et logistique officiel de Rungis
2020Prix de thèse Daniel Schwartz, Société française de biométrie
2019Prix du Docteur Norbert Marx, Société française de statistique
2018–2019Chercheur postdoctoral, INSERM
2015–2018Doctorat en statistique, Sorbonne Université (LPSM)
2014Fonde Califrais · Master Machine Learning (MVA), ENS Paris-Saclay
2011–2014Diplôme d’ingénieur, statistique & mathématiques appliquées, Télécom SudParis
RechercheArticles à NeurIPS, JMLR et Biometrics · deux thèses encadrées Publications & thèmes →

05 — Contact

Parlons-en.

Toujours heureux d’échanger avec celles et ceux qui veulent changer la façon dont la nourriture circule.

01
Investisseurs

Construire un champion mondial de l’IA pour la supply chain alimentaire.

02
Acteurs de la supply chain alimentaire

Distributeurs, grossistes, logisticiens et marchés de gros prêts à mettre l’IA au travail.

03
Partenaires potentiels

Laboratoires, institutions et entreprises technologiques qui veulent construire avec nous.

M’écrire LinkedIn
Califrais’ Machine Learning Lab
198 Avenue de France, 75013 Paris
© Simon Bussy 2026 EN · FR
Simon Bussy
Vision Califrais Recherche Interventions Contact EN·FR

Vision

La supply chain alimentaire va devenir un écosystème intelligent.

Chaque nuit, des tonnes de produits frais transitent par les entrepôts, les marchés et les centres de distribution. Stocks, tournées et prix forment un gigantesque problème dynamique en très grande dimension : dépendant du temps, contraint, périssable. Aujourd’hui, la plupart de ces décisions se prennent encore à l’intuition, et à coups de coups de fil.

01 — Pourquoi maintenant

L’historique ne suffit plus pour anticiper.

01 · Climat

Cinq fois plus de catastrophes météorologiques qu’il y a cinquante ans. Récoltes et logistique sont touchées de plein fouet.

02 · Performance

Plus d’une commande sur dix n’est pas servie correctement. Outils vieillissants, peu de mutualisation, marges très faibles.

03 · Carbone

La décarbonation n’est plus optionnelle, et la réglementation se durcit, vite.

02 — Décider, pas seulement prédire

« Une prévision, c’est bien. Une décision, c’est mieux. Les chiffres de l’an dernier ne disent rien des comportements de demain. »

La chaîne alimentaire doit s’adapter en temps réel, et être optimisée dans son ensemble. Il faut pour cela une IA qui décide sur les stocks, les camions et les prix, sous de vraies contraintes opérationnelles, plutôt que des tableaux de bord qui ne décrivent que la veille.

L’IA générative rend le code plus rapide et moins cher que jamais. La valeur se déplace vers la compréhension des problèmes complexes et la conception des bonnes solutions. Pour rester souverain et maître de ses choix, il faut vraiment comprendre l’IA sur laquelle on s’appuie, ou s’associer à ceux qui la maîtrisent.

Voir les keynotes Parlons-en
Simon Bussy
Vision Califrais Recherche Interventions Contact EN·FR

Recherche

Des statistiques en grande dimension aux décisions sous incertitude.

Ma thèse portait sur le pronostic en grande dimension, avec l’analyse de survie et la médecine personnalisée comme terrain de jeu. La même boîte à outils, modèles parcimonieux, données censurées et temporelles, apprentissage en ligne, sert aujourd’hui une autre question : comment bien décider, chaque nuit, sur des supply chains périssables et stochastiques.

01 — Mes sujets actuels

Les programmes de recherche de Califrais
Prévision de la demande à grande échelle

Des milliers de produits frais, des ventes parcimonieuses et volatiles, des hiérarchies de catalogue : des prévisions probabilistes et hiérarchiques qui restent calibrées quand les régimes changent.

→ méthodes hiérarchiques & espace d’état
Stocks de produits périssables

Décider chaque jour quoi commander, combien et quand, avec des durées de vie, des minimums de commande et des délais. L’apprentissage en ligne apporte des garanties là où la théorie classique des stocks s’arrête.

→ NeurIPS 2023
Optimisation à l’échelle du réseau

L’amont et l’aval à la fois : enlèvements fournisseurs, modes de réapprovisionnement, entrepôts et livraisons optimisés ensemble sur tout un réseau logistique.

Tournées & mutualisation entre acteurs

Des solveurs de tournées augmentés par l’apprentissage, et des flottes partagées entre acteurs aux intérêts parfois concurrents : comment mutualiser les livraisons, et comment tarifer et partager équitablement les gains.

De la prédiction à la décision

Entraîner les modèles sur ce qui compte vraiment, ruptures, gaspillage, coûts logistiques et CO₂, plutôt que sur la seule erreur de prévision.

En explorationDes modèles de fondation pour la supply chain alimentaire : une représentation apprise sur l’ensemble des produits, clients et réseaux, entraînée pour la qualité des décisions.

02Publications

2024 · Biometrics An efficient joint model for high dimensional longitudinal and survival data via generic association featuresV.T. Nguyen, A. Fermanian, A. Guilloux, A. Barbieri, S. Zohar, A.S. Jannot, S. Bussy Article ↗
2024 · Prépublication Multivariate Online Linear Regression for Hierarchical ForecastingM. Hihat, G. Garrigos, A. Fermanian, S. Bussy Article ↗
2023 · NeurIPS Online Inventory Problems: Beyond the i.i.d. Setting with Online Convex OptimizationM. Hihat, S. Gaïffas, G. Garrigos, S. Bussy Article ↗
2021 · Biometrics Binacox: automatic cut-point detection in high-dimensional Cox model with applications in geneticsS. Bussy, M.Z. Alaya, A. Guilloux, A.S. Jannot Article ↗GitHub ↗
2019 · BMC MRM Comparison of methods for early-readmission prediction in a high-dimensional heterogeneous covariates and time-to-event outcome frameworkS. Bussy, R. Veil, V. Looten, A. Burgun, S. Gaïffas, A. Guilloux, B. Ranque, A.S. Jannot Article ↗GitHub ↗
2019 · JMLR Binarsity: a penalization for one-hot encoded features in linear supervised learningM.Z. Alaya, S. Bussy, S. Gaïffas, A. Guilloux Article ↗GitHub ↗
2019 · J. Clin. Med. Trajectories of biological values and vital parameters: an observational cohort study of adult patients with sickle cell disease hospitalized for a non-complicated vaso-occlusive crisisR. Veil, S. Bussy, V. Looten, J.B. Arlet, J. Pouchot, A.S. Jannot, B. Ranque Article ↗GitHub ↗
2018 · SMMR C-mix: a high-dimensional mixture model for censored durations, with applications to genetic dataS. Bussy, A. Guilloux, S. Gaïffas, A.S. Jannot · Prix du Docteur Norbert Marx 2019 Article ↗GitHub ↗
Toutes les publications du lab Califrais

Autres manuscrits

Thèse de doctorat · LPSM, Sorbonne Université, 2015–2018
Introduction of high-dimensional interpretable machine learning models and their applications
Thèse · Slides
Stage de recherche · CMAP, École polytechnique, 2015
New machine learning techniques for medicine
Rapport · Slides
Kaggle in class · Dreem, ENS Paris-Saclay, 2015
Prediction of slow oscillation from EEG signals
Rapport · Slides
Projet en apprentissage par renforcement · ENS Paris-Saclay, 2014–2015
A movie recommendation system based on multi-action bandits
Rapport · Slides
Stage de data scientist · Orange Silicon Valley, San Francisco, 2014
Machine learning models to predict start-up valuation trends
Rapport · Slides
Projet en deep learning · Télécom SudParis, 2013–2014
Layer-wise training of deep generative models
Rapport
Projet de recherche · Télécom SudParis, 2013
Optimal unsupervised segmentation of pairwise Markov processes
Rapport

03 — Thèmes de recherche

Apprentissage statistique
Trouver une fonction prédictive à partir des données.
Statistique en grande dimension
Quand la dimension égale ou dépasse la taille de l’échantillon.
Analyse de survie
Modéliser le temps jusqu’à la survenue d’un événement.
Séries temporelles & prévision probabiliste
Prévoir avec une incertitude calibrée, d’une série isolée aux hiérarchies.
Apprentissage en ligne
Des algorithmes qui s’adaptent au fil des données, avec des garanties de regret.
Apprentissage par renforcement
Apprendre un comportement par essais et erreurs.
Deep learning
Des modèles en couches qui apprennent des représentations à plusieurs niveaux.
Modèles de fondation
De grands modèles pré-entraînés qui se transfèrent entre produits, clients et domaines.
Optimisation combinatoire & stochastique
Tournées, chargement et dimensionnement de lots sous incertitude.
Apprentissage orienté décision
Entraîner les modèles sur la qualité des décisions qu’ils produisent.
Théorie des jeux & conception de mécanismes
Partager coûts et gains entre acteurs qui collaborent.

04 — Encadrement

Massil Hihat
Doctorat, Califrais ML Lab & LPSM, 2021–2024

Van Tuan Nguyen
Doctorat, Califrais ML Lab, 2021–2024

Et des stagiaires de recherche de l’ENS, l’ENSAE, Télécom Paris, Dauphine et Paris-Saclay.

05 — Distinctions

Prix du Docteur Norbert Marx, 2019
Société française de statistique

Prix de thèse Daniel Schwartz, 2020
Société française de biométrie

© Simon Bussy 2026 LinkedIn ↗
Simon Bussy
Vision Califrais Recherche Interventions Contact EN·FR

Interventions & presse

Sur scène, à l’antenne, dans la presse.

Keynotes et tables rondes pour distributeurs, grossistes, logisticiens, marchés de gros et communauté scientifique, de Paris à Tianjin, Oslo et Casablanca.

Keynote · WUWM 2026 · Tianjin, Chine From Wholesale Markets to Intelligent Food Ecosystems: The AI Revolution Devant des dirigeants de marchés du monde entier : à quoi ressemblera le marché de gros de demain, et comment Rungis le prouve. Lire la vision →
À venir · 1er déc. 2026 · Supply Chain Event, Paris Quand l’IA fait souffler un vent frais sur la supply chain alimentaire Keynote, 12h–12h45. L’IA au service de la performance supply chain, les mathématiques et la donnée pour optimiser la logistique et réduire coûts, émissions et gaspillage : retour d’expérience Califrais.

01Conférences & tables rondes

Oct. 2026 SIAL Paris Sommet Food Intelligence, et table ronde sur la façon dont la R&D et l’IA peuvent transformer la supply chain alimentaire
Juin 2026 VivaTech, Paris · 3 interventions Avec le CNRS sur la Business Redefined Arena (la recherche fondamentale, levier de souveraineté), avec Sorbonne Université et avec SCAI
2026 Logismed, Casablanca Décarboner la supply chain agroalimentaire, de bout en bout
Mars 2026 Forum Végétable, Paris Table ronde sur la résilience des filières fruits & légumes, avec le Groupe Primever, l’UNCGFL, The Shift Project et Rungis
Déc. 2025 AMOR Retail Conference, Oslo Décarboner la supply chain alimentaire grâce à l’IA · BI Norwegian Business School
2025 KIRO Workshop, École des Ponts Co-organisé avec le CERMICS : un challenge d’optimisation construit sur un vrai problème Califrais
2025 Logistics in Wallonia, Bruxelles L’IA pour optimiser la logistique alimentaire à grande échelle
Oct. 2024 SIAL Paris La vision de Califrais : l’IA au service de la supply chain alimentaire
Mai 2024 Sorbonne, Paris · co-organisateur « Vers une supply chain alimentaire durable », conférence SCAI × Califrais avec Rungis, des chercheurs en IA, The Shift Project et des décideurs publics
2022 Conférence WUWM, Abu Dhabi L’IA pour simplifier l’approvisionnement en produits frais sur rungismarket.com
2019 Seeds&Chips, Milan · Irontalk, Paris Sélectionné par Bpifrance et Business France · Comment introduire l’IA dans un métier traditionnel

02TV & podcasts

2026 · Podcast
Futurs + Humains, KPMG Innovation — L’IA n’a d’impact écologique que si ses effets sont mesurables
Juin 2025 · TV
BFM Business ↗ — Good Morning Business : comment Califrais optimise la logistique grâce à l’IA
2025 · Podcast
Oh My Planète, ADEME × France 2030 — « Le bon marché », à l’aube à Rungis
Mai 2023 · TV
BFM Business ↗ — 60 Minutes Business : digitaliser et optimiser l’approvisionnement en produits frais
Oct. 2022 · TV
BFM Business ↗ — 60 Minutes Business : l’IA au service de l’acheminement des produits frais

03Presse

Oct. 2026
CNRS Innovation — Décarboner la supply chain alimentaire grâce aux mathématiques
Juil. 2026
Le Parisien ↗ — Ces génies des maths modernisent le Marché de Rungis
Avr. 2026
CNRS ↗ — Califrais s’allie avec la recherche académique pour une supply chain alimentaire souveraine et décarbonée
Juin 2025
Les Echos ↗ — Califrais lève 10 M€ pour décarboner l’approvisionnement à Rungis
Juin 2025
Maddyness ↗ — IA : Califrais lève 10 M€ pour améliorer la logistique du froid
Oct. 2022
Forbes France ↗ — Califrais révolutionne le marché de Rungis
70+ articles sur califrais.com ↗

04 — Conférences académiques, 2015–2020

Une vingtaine d’exposés et de posters pendant et après ma thèse, de Paris à Philadelphie, Séoul, Buenos Aires et Birmingham.

  • Août 2020 Joint Statistical Meetings (JSM), Philadelphie, États-Unis — Lights, modèle joint pour données longitudinales en grande dimension (virtuel) · Slides · Vidéo
  • Juil. 2020 International Biometric Conference (IBC), Séoul, Corée (virtuel) · Slides
  • Juin 2019 Journées de Statistique, Nancy — conférence du prix Norbert Marx · Slides
  • Juin 2018 Machine Learning Summer School, Buenos Aires, Argentine — Binacox (poster) · Poster
  • Août 2016 International Society for Clinical Biostatistics, Birmingham, Royaume-Uni — C-mix (poster)
Liste complète avec slides (20) ↓
  • Oct. 2020 Conférence du prix de thèse Daniel Schwartz, Cnam, Paris · Slides
  • Août 2020 Joint Statistical Meetings (JSM), Philadelphie, États-Unis — Lights, modèle joint pour données longitudinales en grande dimension (virtuel) · Slides · Vidéo
  • Juil. 2020 International Biometric Conference (IBC), Séoul, Corée (virtuel) · Slides
  • Juin 2019 Journées de Statistique, Nancy — conférence du prix Norbert Marx · Slides
  • Mai 2019 Irontalk, Ironhack, Paris — Comment introduire l’IA dans un métier traditionnel · Événement
  • Avr. 2019 Doctoriales, Sorbonne Université — grand témoin docteur-entrepreneur
  • Févr. 2019 Séminaire INSERM UMR 1137, Paris Bichat — prédire la réadmission hospitalière
  • Janv. 2019 Séminaire méthodologique IRDES, Paris — l’IA pour prédire la réadmission à l’hôpital · Slides
  • Déc. 2018 L’intelligence artificielle pour l’homme et sa santé, Évry — Binacox (poster) · Poster
  • Juil. 2018 I.A. & Santé, Nancy — l’IA pour prédire la réadmission à l’hôpital · Article · Slides
  • Juin 2018 Machine Learning Summer School, Buenos Aires, Argentine — Binacox (poster) · Poster
  • Avr. 2017 Séminaire des doctorants, LPSM, Paris — modèles de survie en grande dimension · Slides 1 · Slides 2
  • Août 2016 International Society for Clinical Biostatistics, Birmingham, Royaume-Uni — C-mix (poster)
  • Mai 2016 Séminaire du MAP5, Paris · Slides
  • Mars 2016 Paris Big Data Management Summit — modèle de mélange pour données de survie (poster) · Poster
  • Mars 2016 Workshop Data Initiative, École polytechnique — processus gaussiens pour séries temporelles de dossiers patients · Slides
  • Janv. 2016 Séminaire de médecine interne, AP-HP, Paris — réhospitalisation précoce des patients drépanocytaires · Slides
  • Janv. 2016 Séminaire des doctorants, LPSM, Paris — évaluation du risque dans la drépanocytose · Slides
  • Déc. 2015 Séminaire des doctorants, Centre de recherche des Cordeliers (INSERM), Paris · Slides
  • Oct. 2015 Workshop Data Initiative, École polytechnique — prévision de séries temporelles non stationnaires

05 — Enseignement

Statistique et machine learning, de la licence à la formation continue.

M2 Apprentissage statistique & données longitudinales
Master Massive Health Data, Université Paris Descartes · Chargé de cours, 2019–2021
Slides
M2 Analyse de survie & machine learning
Master Massive Health Data, Université Paris Descartes · Chargé de cours, 2019–2021
Slides
M2 Kaggle DataCamp
Master Data Science, Université Paris-Saclay · Responsable de projet & intervenant, 2018–2021
Voir tous les cours (7) ↓
Exec Data science & feature design
Executive Education de l’École polytechnique · Chargé de cours, 2019
M1 Modèles linéaires
ISUP, Sorbonne Université (UPMC) · Chargé de TD, 2016–2018
TD 2016–17 · TD 2017–18
M1 Séries temporelles
ISUP, Sorbonne Université (UPMC) · Chargé de TD, 2015–2016
Séries temporelles avec R · TD
L3 Statistique inférentielle
ISUP, Sorbonne Université (UPMC) · Chargé de TD, 2015–2018
TD
© Simon Bussy 2026 M’inviter à intervenir — simon.bussy@califrais.fr