Abdelhakim Hattouti

Étude de l'impact des choix matériels (architecture CPU, fréquence, FLOPs du modèle) sur la consommation énergétique lors de l'inférence.

Recommandations pour guider des stratégies de déploiement IA plus cost-effective et durables.

Un script de Reinforcement Learning laissé de côté car trop peu performant pour être utilisé en pratique. J'ai repris le sujet, optimisé les fonctions de récompense et les hyperparamètres jusqu'à atteindre un niveau exploitable.

Résultat : +10% de performance mesurés, un prototype qui a retrouvé sa crédibilité auprès des équipes, avec documentation complète et présentation aux data scientists Airbus pour une éventuelle reprise en autonomie.

Stack : reinforcement learning · R&I · simulation aéronautique · optimisation · Python · documentation technique · transfert de compétences

Optimisation de modèles Transformer pour environnements sans GPU (CPU uniquement).

Résultats : -50% de taille de modèle, +92% de vitesse d'inférence après fine-tuning sur AWS.

Stack : optimisation de modèle · quantization · pruning · déploiement edge · AWS