Description

J’accompagne les entreprises dans la conception et la mise en production de systèmes d’IA Générative et d’IA agentique, capables d’automatiser des processus complexes et de générer un impact business mesurable.

Avec 6+ ans d’expérience en IA (Machine Learning, NLP, LLM, RAG), je conçois des solutions allant au-delà du simple chatbot, vers de véritables agents intelligents autonomes.

Mes expertises clés :

- Conception d’agents IA autonomes (multi-étapes, tool usage, reasoning)

- Intégration de LLM en production (RAG, fine-tuning, orchestration)

- Systèmes agentiques connectés aux SI (API, bases de données, outils métiers)

- Industrialisation via MLOps / LLMOps

- Monitoring : hallucinations, drift, performance, coûts

- Prise en compte des enjeux sécurité, conformité et gouvernance

Cas d’usage que je développe :

Agents de support client automatisé avancé

Agents de détection de fraude et analyse documentaire

Assistants métiers augmentés (finance, assurance, ops)

Automatisation de workflows complexes (multi-sources, multi-actions)

Systèmes RAG pour valorisation de la donnée interne

Ma valeur ajoutée :

Je transforme des POC en systèmes IA fiables, scalables et réellement utilisés en production.

Intervention end-to-end :

Cadrage → Architecture → Développement → Déploiement → Monitoring → Optimisation

📩 Disponible pour missions à forte valeur ajoutée

→ Build d’agents IA, intégration LLM, scale en production

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

BPCE
IA Architect & MLOps
BANQUE & ASSURANCES
avril 2024 - Aujourd'hui (2 ans et 2 mois)
- Architecture de solutions d’IA générative.
- Mise en production
- MLOPS / LLMOPS
- Multi agents
- DÉTECTION DE FRAUDE
LLMs Machine learning RAG Google cloud FastAPI
AXA
Senior ML Engineer
BANQUE & ASSURANCES
novembre 2021 - Aujourd'hui (4 ans et 7 mois)
Paris, France
- Conception et mise en production de systèmes de Machine Learning à grande échelle dans le secteur assurance, visant l’optimisation des processus opérationnels et l’amélioration de l’expérience client.

- Développement d’une solution LLM de text analytics pour l’analyse des verbatims clients, contribuant à une amélioration de +15% du NPS.

- Architecture d’un système avancé de détection de fraude combinant modèles supervisés et non supervisés an d’améliorer la détection des sinistres frauduleux et réduire les pertes nancières.

- Intégration des modèles de Machine Learning dans les systèmes décisionnels métier (pricing, gestion des sinistres) an d’automatiser les décisions et améliorer l’ecacité opérationnelle.

- Industrialisation des modèles via une plateforme MLOps basée sur Databricks et MLow : gestion des expérimentations, versioning, déploiement automatisé et monitoring des performances.

- Collaboration avec les équipes Fraude et IT pour l’industrialisation et l’adoption opérationnelle des solutions ML.

Technologies: Python, SQL, PySpark, Azure, AzureDevOps, AzureML, Databricks, MLow, , Docker, LLM,
CI/CD, MLOps
Python PySpark Machine learning DevOps Azure Databricks
BNP Paribas Personal Finance
Data scientist
BANQUE & ASSURANCES
avril 2020 - septembre 2021 (1 an et 6 mois)
Paris, France
- Challenge et amélioration des modèles de credit scoring existants en implémentant des approches de réseaux de neurones articiels (ANN) an d’évaluer et améliorer la performance prédictive du risque de défaut.

- Analyse comparative et optimisation des performances des modèles an d’améliorer la prédiction du risque de défaut et renforcer la robustesse des systèmes de décision crédit.

- Participation à l’intégration des modèles analytiques dans les systèmes de décision crédit, en collaboration avec les équipes data et métiers.

Technologies: Python, TensorFlow, Scikit-learn, Git
Machine learning TensorFlow Risque de crédit Credit scoring Deep Learning