Description

Je conçois et industrialise des agents d'IA générative.

Des agents LLM / RAG qui interrogent vos corpus documentaires avec des réponses sourcées, rédigent des livrables métier et s'intègrent à vos plateformes — pris en charge de bout en bout : architecture, développement, déploiement, évaluation. Y compris avec des LLM open-weight auto-hébergés quand votre contexte l'exige.

TYPES DE PROJETS

Agents RAG et assistants documentaires — réponses sourcées et traçables sur vos corpus
Assistants métier : analyse documentaire, rédaction assistée de livrables
Industrialisation de vos POC IA : évaluation, fiabilisation, monitoring, mise en production
Cadrage en ateliers, formation et montée en compétence de vos équipes

DOMAINES D'INTERVENTION

Agents LLM / RAG — LangGraph, LangChain, vector search (Milvus), reranking, prompt engineering, évaluation (RAGAS, LangSmith, Langfuse)
Mise en production & industrialisation — Dataiku, MLOps / LLMOps, monitoring, robustesse
Machine learning & NLP — modèles prédictifs, analyse sémantique, classification

RÉFÉRENCES

Caisse des Dépôts (agents d'IA générative en production), Bouygues Telecom (ML à l'échelle nationale, +10 M de clients), La Poste, Business & Décision — groupe Orange. Plus de 6 ans de data science et de machine learning en production.

Expert Dataiku : 6 certifications, dont Generative AI Practitioner et MLOps Practitioner.

Un projet d'IA générative ou de machine learning à mettre en production ? Parlons-en.

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)

Groupe Caisse des Dépôts
Data Scientist — Generative AI
BANQUE & ASSURANCES
novembre 2025 - Aujourd'hui (8 mois)
Paris, France
Conception, développement et mise en production d'agents d'IA générative appliqués à la gouvernance, en environnement souverain : LLM open-weight auto-hébergé, données strictement internes, sans accès externe.

AGENT D'AIDE À LA PRÉPARATION DES INSTANCES DE GOUVERNANCE
Agent conversationnel multi-outils interrogeant le corpus documentaire des instances (conseils d'administration, comités d'audit et des risques…), avec restitution sourcée et tracée de chaque réponse.
Rédaction itérative de notes d'analyse : versions successives conservées au fil de l'échange, avec une logique de mise à jour pilotée côté code et la rédaction déléguée au modèle.
Cloisonnement strict des données sensibles — contrôles indépendants appliqués à chaque appel documentaire, garantissant l'isolation entre périmètres.
Mise en production sur la plateforme Dataiku, avec streaming des réponses et architecture stateless orientée robustesse.
ASSISTANT DE NAVIGATION DANS LES PROCÉDURES DE GOUVERNANCE PROJETS SI (RAG — POC)
Interrogation en langage naturel de procédures volumineuses (>100 pages), avec des réponses sourcées et adaptées au profil de l'utilisateur.
Pipeline retrieval + reranking, prompt engineering itératif.
Cadrage du besoin en ateliers avec les équipes métier ; déploiement sur Dataiku Agent Hub.
STACK TECHNIQUE :
- Agents & orchestration : LangGraph, LangChain, tool / function calling, orchestration multi-outils
- Retrieval : vector search, Milvus, embeddings multilingues, reranking, semantic routing
- LLM : open-weight auto-hébergé, prompt engineering avancé (few-shot, contre-exemples), guardrails, évaluation & fiabilisation des réponses
- Plateforme & ingénierie : Dataiku (Agent Hub, Knowledge Bank, Code Agent), Python, architecture stateless, streaming, batch processing, Git / GitHub
IA générative LLM RAG Agent IA Dataiku
Bouygues Telecom
Data Scientist / ML Engineer
TÉLÉCOMMUNICATIONS
octobre 2022 - octobre 2025 (3 ans)
Meudon, France
Transformer les signaux techniques du réseau en prédictions d'expérience client : 3 ans à concevoir et industrialiser les modèles ML de l'équipe Expérience Clients (Département Radio), opérés à l'échelle nationale.

SATISFACTION CLIENT & CHURN
Modèle prédictif de satisfaction et de qualité réseau à l'échelle nationale (plus de 10 millions de clients), construit sur les données de sondes cœur de réseau avec une approche Multi-Touch Attribution.
Scoring quotidien et mensuel identifiant le 1 % de clients les plus insatisfaits, alimentant directement les actions de rétention des équipes.
PERFORMANCE RÉSEAU
Modèle d'anticipation des baisses de performance réseau et de détection des pics de trafic, pour agir en amont de la dégradation de l'expérience client.
STACK TECHNIQUE :
- ML & data : Python, PySpark, scikit-learn, XGBoost, Isolation Forest, NumPy, Pandas
- Industrialisation : Dataiku, Airflow, GitLab CI/CD, Git, Amazon S3
- Données & visualisation : SQL, Tableau
Machine learning Python MLOps Scikit-learn Dataiku
BUSINESS & DECISION
Consultant Data Scientist
AGENCE & SSII
septembre 2020 - août 2022 (1 an et 11 mois)
Nantes, France
Conseil en data science au sein du groupe Orange : faire monter les équipes en compétence et construire des produits IA de bout en bout — du web scraping à la mise en production.

FORMATION & ENCADREMENT D'UNE ÉQUIPE DATA SCIENCE
Formation et encadrement technique d'une équipe de 5 data analysts (Python, Dataiku) : montée en compétence sur le NLP, du preprocessing à l'entraînement des modèles (sentiment analysis, topic modeling / LDA).
OUTIL RH D'AIDE AU RECRUTEMENT PAR L'IA (R&D)
Conception d'un outil de type ATS d'aide au recrutement et à l'affectation de missions : environ 2000 CV internes traités par l'outil, modèle entraîné sur plusieurs milliers de profils web-scrapés.
Cycle IA complet : web scraping, annotation sémantique, Named Entity Recognition, mise en production et monitoring des modèles.
BI & REPORTING
Dashboards et reporting Power BI ; migration de rapports vers SAP BO (ETL Informatica), automatisation de la génération de reporting.
STACK TECHNIQUE
- NLP & ML : Python, scikit-learn, spaCy, NLTK, Spark-NLP, Gensim, PyLDAvis, DeepPavlov, NER, sentiment analysis, topic modeling (LDA)
- Plateforme & outils : Dataiku, Git, GitLab, Power BI, Tableau, SAP BO, Informatica
NLP Sentiment Analysis Web Scraping Formation Microsoft Power BI