Description

Roland BAZ — Ingénieur LLM · Data Scientist · LangChain · GPT · IA / ML 🚀

Grâce à une solide formation en Intelligence Artificielle, NLP et Machine Learning (Paris Dauphine— l’une des meilleures écoles d’ingénieurs en France), je combine expertise en LLM, compétences en Data Science, et ingénierie logicielle afin de créer des systèmes performants et réellement utiles. En plus, je suis actuellement un Ingénieur en IA et je cumule environ 3+ ans d'expérience dans le domaine.

Mes services couvrent l’ensemble des besoins en GenAI & Data Science :

🌟 INGÉNIERIE GENAI / LLM

Vous souhaitez :

✅Construire un chatbot ou un assistant avec LangChain, OpenAI API, ou Anthropic ?

✅Créer un système multi-agents capable d’utiliser des outils (recherche web, API, bases de données, vectorstores…) ?

✅Mettre en place un pipeline RAG (Qdrant, Weaviate, FAISS…) ?

✅Optimiser votre chatbot pour plus de précision, rapidité et réduction des coûts ?

✅Corriger des bugs, hallucinations ou problèmes de performance dans votre système LLM ?

Je vous accompagne de l’idée jusqu’au déploiement.

📊 DATA SCIENCE & MACHINE LEARNING

Besoin d’aide pour :

✔️Développer des modèles prédictifs : classification, régression, forecasting, détection d’anomalies ?

✔️Travailler sur des projets NLP (analyse de sentiments, classification, fine-tuning) ?

✔️Mettre en place des outils d’explainability (SHAP, LIME) et d’évaluation ?

✔️Déployer vos modèles via Docker, FastAPI, CI/CD ?

✔️Transformer des données brutes en insights, dashboards ou systèmes automatisés ?

Je livre des solutions ML pleinement opérationnelles, fiables et interprétables.

💬 Construisons votre projet IA

Que vous ayez besoin d’un chatbot intelligent, d’un système multi-agents, d’un modèle data science ou d’un produit GénAI complet, je peux vous aider à le concevoir, l’optimiser et le déployer.

Prêt à démarrer ?

Contactez-moi sur Malt et transformons votre idée en une solution IA puissante. 🔥

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Arabe
Bilingue ou natif
Arménien
Notions
Suédois
Capacité professionnelle limitée

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

Lutessa – Cabinet de Conseil
Ingénieur IA
CONSEIL & AUDIT
avril 2025 - Aujourd'hui (1 an et 2 mois)
Paris, France
• Pilotage de la conception et du déploiement de deux systèmes d'IA en production pour des clients pharmaceutiques :
1. Automatisation agentique de la pharmacovigilance pour Atessia, détectant les signaux de sécurité des médicaments dans la littérature scientifique, permettant une amélioration de la productivité de 70 % ; et
2. Validation de la conformité des documents pour Novartis, automatisant la détection d'informations pharmaceutiques et réduisant le temps de révision de 4 heures à 2 minutes par document
AI Agents LangGraph AWS Docker Langchain
Recherche & Développement - Collaboration à Distance
Data Scientist
CENTRES DE RECHERCHE
janvier 2024 - décembre 2024 (11 mois)
Paris, France
• Pilotage de deux projets de recherche parallèles en Machine Learning (Santé & Économie) axés sur le benchmarking et l'explicabilité
• Conception d'un pipeline ML complet comparant les méthodes d'ensemble (XGBoost, Random Forest) aux modèles classiques (SVM, KNN) pour optimiser les performances de prédiction dans les deux domaines
• Développement d'un système de détection (cancer du poumon sur plus de 4 500 dossiers patients), utilisant la technique SMOTE pour traiter le déséquilibre des classes et atteignant une AUC de 0,91 (88 % de Précision)
• Application rigoureuse du framework SHAP aux modèles pour identifier les biomarqueurs critiques et quantifier l'impact des variables, assurant l'interprétabilité clinique et économique des résultats

Stack Technique: Python, XGBoost, Random Forest, SVM, KNN, Logistic Regression, Scikit-learn, Pandas, NumPy, SHAP, Imbalanced-learn (SMOTE), Matplotlib/Seaborn
XGBoost Random Forest Scikit-learn Matplotlib Logistic Regression
LAMSADE – Laboratoire de Recherche
Chercheur en Intelligence Artificielle
CENTRES DE RECHERCHE
juillet 2023 - janvier 2024 (6 mois)
Paris, France
• Développement d'un système d'IA pour la génération automatisée de dialogues pour une université suisse, obtenant une amélioration de 50 % de la cohérence par rapport au modèle de base GPT-3.5 [Paper Link]
• Architecture d'un pipeline LLM de bout en bout, incluant le fine-tuning de LLaMA 3 (8B) et Mistral (7B) via la QLoRA 4-bits/8-bits quantization pour un entraînement efficace sur GPU sur un corpus théâtral
• Implémentation d'un système RAG avec recherche hybride (sémantique + mots-clés) et découpage (chunking) pour ancrer les modèles dans les styles spécifiques des dramaturges
• Amélioration des performances via prompt engineering (Chain-of-Thought, few-shot) et validation effectuée par des experts en théâtre
• Gestion du déploiement sur site (Linux / GPU A6000) et développement de l'interface interactive utilisant Flask pour le backend

Stack Technique: Python, PyTorch, HuggingFace Transformers, QLoRA, LLaMA 3, Mistral, LangChain, RAG, Vector Databases, Flask, HTML/CSS/JavaScript, Linux, Git
Git Linux SQL Langchain Streamlit