À propos de Ikrame
Je transforme vos besoins métier en solutions IA concrètes, de A à Z.
Je m'appelle Ikrame, ingénieure IA spécialisée dans les LLMs et la donnée.
J'accompagne les entreprises de A à Z : du diagnostic de votre besoin jusqu'à la mise en production d'une solution qui tourne vraiment.
🎯 Ce que je fais concrètement :
Chatbots RAG : votre assistant IA qui répond à partir de vos propres documents (PDF, Word, Excel, emails…)
Fine-tuning LLM : un modèle entraîné sur vos données métier, qui parle votre langage
Extraction & normalisation de données : transformez vos documents bruts en données structurées et exploitables
Évaluation de modèles : je benchmarke vos solutions IA existantes et vous dis lesquelles valent vraiment le coup
💡 Pourquoi travailler avec moi ?
J'analyse d'abord votre situation avant de proposer quoi que ce soit , pas de solution cherchant un problème
J'ai de l'expérience terrain sur des projets industriels réels, pas que de la théorie
Je maîtrise toute la stack : du parsing de PDF jusqu'au déploiement en production
Je livre des solutions qui tournent
Stack : Python · LangChain · Azure · Databricks · HuggingFace · FAISS · MLflow · Streamlit · vLLM
📩 Un projet en tête ? Décrivez-moi votre problème, on trouve ensemble si l'IA peut vraiment vous aider.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
En télétravail uniquement
Travaille majoritairement à distance
Expériences
- De Particulier à ParticulierAutomated AI-Powered Document Processing PipelineRESSOURCES HUMAINESjanvier 2026 - janvier 2026Mulhouse, FranceBuilt a fully automated end-to-end document processing pipeline using n8n as the orchestration layer, designed to eliminate manual data entry and accelerate document handling for a small business.How it works :A webhook trigger listens for new PDF documents uploaded to a Google Drive foldern8n automatically extracts the raw text from each document using a Python script executed via HTTP requestThe extracted text is sent to an LLM (OpenAI GPT-4) through a custom prompt engineered to identify and extract structured fields : client name, invoice number, date, total amount, line itemsThe structured JSON response is validated and cleaned using a JavaScript function node inside n8nValid records are automatically inserted into an Airtable database for tracking and reportingIf extraction confidence is below a defined threshold, the document is flagged and a Slack notification is sent to a human reviewer with the document preview attachedA final HTTP request triggers a confirmation email to the client via SendGrid, with a summary of the processed documentKey technical decisions :Used a multi-step prompt engineering approach with chain-of-thought reasoning to improve LLM extraction accuracy on heterogeneous document layoutsImplemented error handling and retry logic directly in n8n to handle API timeouts and malformed responsesBuilt a fallback mechanism routing low-confidence extractions to a manual review queue instead of failing silentlyResults :Reduced manual document processing time by ~80%Processed 200+ documents per week fully automaticallyHuman review required for less than 5% of documents
- LiebherrAI & Data EngineerINGÉNIERIE MÉCANIQUEseptembre 2025 - Aujourd'hui (9 mois)Colmar, FranceDesigned and developed an end-to-end AI application for automatic extraction and normalization of equipment data from heavy machinery brochures across multiple industrial brands, replacing a fully manual process.
- Built and deployed a multi-tab web application serving as the main interface for the full pipeline.
- Processed complex document layouts including tables, technical specifications, and mixed content types using document intelligence techniques.
- Implemented an AI-based classification and semantic matching system to normalize equipment data consistently across heterogeneous sources.
- Designed a structured equipment database with automatic duplicate detection and data consistency mechanisms.
- Set up experiment tracking to monitor pipeline runs, log metrics, and manage model artifacts.
- Delivered a complete pipeline from raw document input to structured output with categorized equipment statuses.
- K-LINE Groupe LIEBOTAI Engineer — K-LINE Groupe LIEBOTARCHITECTURE & URBANISMEoctobre 2024 - août 2025 (10 mois)Les Herbiers, FranceBuilt a production-ready internal AI assistant using a RAG architecture, enabling employees to query the company's entire internal knowledge base in natural language across heterogeneous document formats.
- Ingested and processed a wide variety of internal documents: PDFs, multi-sheet Excel files with scientific values, architectural window plans, Word files, and internal documentation, handling complex layouts and mixed content types.
- Built the retrieval pipeline using FAISS as the vector store for fast and scalable semantic search over embedded document chunks.
- Deployed NVIDIA Nemotron as the core LLM and integrated vLLM to enable real-time token streaming, significantly reducing perceived response latency by displaying generated tokens directly in the UI as they are produced, instead of waiting for the full response.
- Developed a custom HTML/CSS/JavaScript chat interface connected to the backend, with live streaming rendering to deliver a smooth, ChatGPT-like user experience.
- Managed the full pipeline from document ingestion and chunking to embedding, retrieval, and response generation.
Recommandations
Soyez le premier à recommander Ikrame
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Ingénieur Informatique & RéseauxENSISA2025
- Classes préparatoires aux grandes écolesLycée Raoul Follereau2022Physiques Technologies Sciences de l'ingénieur
Certifications
- Préparer votre carrière dans l'IA générative par Microsoft et LinkedInLinkedIn & Microsoft2024