Description

L'IA Générative en production ne se résume pas à un appel d'API. Expert AI Engineer avec 6 ans d'expérience, j'interviens sur la transition critique entre le POC et l'industrialisation massive. Mon track record inclut le déploiement de solutions RAG (Retrieval-Augmented Generation) pour le secteur bancaire, servant 8 millions d'utilisateurs avec une charge de 1000 requêtes/minute.

Mon approche est tool-agnostic : je ne vends pas une technologie, mais une architecture robuste, souveraine et optimisée (coût/latence).

🚀 Expertises Clés & Valeur Ajoutée

1. Architectures RAG de Haute Précision

Mise en place de pipelines de pointe : Hybrid Retrieval (BM25 + Vector Search), Reranking (BGE), et RRF (Reciprocal Rank Fusion).
Optimisation de la pertinence via le Semantic Chunking et la détection d'intention.
Gestion d'architectures multi-tenant complexes et sécurisées.

2. Industrialisation & Performance (Scale)

Optimisation du code pour la haute disponibilité : support de ~ 700 RPM.
Réduction drastique de la latence et des coûts de tokens (Prompt Engineering avancé & Small Models).
Architecture microservices (Java/Spring Boot & Python/FastAPI) conçue pour le scale.

3. AI Safety & Trust (Guardrails)

Déploiement de systèmes de Guardrails en temps réel : détection de toxicité, irrélevance, détection de langue et filtrage d'hallucinations.
Mise en conformité avec les exigences de secteurs ultra-régulés (Banque/Assurance).

🏆 Pourquoi me choisir ?

Expérience "Real-World" : J'ai contribué aux premiers assistants virtuels basés sur le RAG en France (Helloïse / Telmi).

Double Compétence : Expertise IA (NLP, LLM) couplée à une rigueur Software Engineering (Architecture Hexagonale, Clean Code).

Vainqueur Mondial : Lauréat du challenge IWSLT 2022 (Speech Recognition), prouvant une maîtrise profonde des modèles SOTA.

Passons votre projet IA du stade de démonstrateur à celui de produit industriel.

Domaines d’expertise

Langues

Français
Capacité professionnelle complète
Anglais
Capacité professionnelle complète
Arabe
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 20 km)

bnpparibas
AI Engineer
BANQUE & ASSURANCES
juillet 2025 - Aujourd'hui (11 mois)
Montreuil, France
Contribution à la mise en production de deux assistants virtuels bancaires (HelloÏz,telmi) basés sur des architectures RAG multi-tenant.

Déploiement de systèmes IA supportant ~500 requêtes/minute pour un bassin de ~8 millions d’utilisateurs
Conception d’un pipeline RAG hybride (BM25 + vector search + RRF + reranking) améliorant la pertinence des réponses
Mise en place de mécanismes de guardrails via appels parallèles pour réduire la latence
Optimisation des performances pour usage en production bancaire
Développement de pipelines d’ingestion et de structuration des données vers ElasticSearch
Contribution à l’architecture microservices (APIs, déploiement, monitoring)
Architecture de microservices Développement de services Backend Retrieval-Augmented Generation (RAG) Python Natural Language Processing (NLP)
bnpparibas
DATA SCIENTIST
BANQUE & ASSURANCES
septembre 2023 - juin 2025 (1 an et 9 mois)
Montreuil, France
Exploration de solutions d'IA (NLP, LLM, Graphes) pour automatiser la conformité juridique, l'analyse RSE et le contrôle permanent, transformant des données complexes en leviers opérationnels de production.
contrôle permanent: Automatisation du processus de scoring, de lecture et d’extraction d’informations pour les documents stockés dans SharePoint. La solution intègre une analyse NLP avancée, améliorant considérablement le traitement des documents.
Mesis: Conception et développement d’une application web backend basée sur Spring Boot pour la mesure de l’impact environnemental des entreprises. La plateforme automatise la génération des rapports RSE(Responsabilité Sociétale des Entreprises) et intègre des fonctionnalités avancées de reporting dynamique avec JasperReports.
Smart review: Développement d’un système basé sur un graphe de connaissances permettant d’identifier des incohérences ou contradictions entre différentes pages web. En utilisant des LLMs et des modèles dereconnaissance d’entités nommées (NER), j’ai extrait des entités, des relations et des motifs sémantiques pour construire une solution de validation automatisée de contenu. Grâce à l’utilisation de bases de données graphe (Neo4j), j’ai optimisé le stockage et l’interrogation des relations extraites, améliorant ainsi la désambiguïsationdes entités et la performance de l’extraction des relations.
legal design: Développement d’un système de vérification automatique des documents juridiques basé sur le NLP afin d’assurer leur conformité aux standards de rédaction. Le système détecte les problèmes tels que l’utilisation de la voix passive, les négations et les similarités entre sections grâce à une combinaison de LLMs, d’embeddings et d’heuristiques linguistiques. Cette solution aide les équipes juridiques à améliorer la clarté des documents, identifier les formulations ambiguës et garantir la conformité réglementaire.
Java Python Natural Language Processing (NLP) Hugging Face LLM
Carrefour
software engineer
E-COMMERCE
septembre 2021 - septembre 2023 (2 ans)
Massy, France
Conception et implémentation du modèle BFF (Backend for Frontend) afin de réduire la logique métier au sein de l’application mobile.
Découplage de l’architecture microservices des services backend, améliorant ainsi la performance de l’application mobile.
Mise en place de l’architecture hexagonale pour le développement des microservices.
Développement de tests de charge et de services backend simulés (mock backend).
Adoption d’une approche API design-first basée sur une spécification OpenAPI.
o Technologies: Java, SpringBoot,, Gatling, Scala, Reactive Programming, ELK, Grafana, Azure, GCP
Java Architecture de microservices Spring boot Docker Kubernetes