Description

Expert en IA documentaire avec 5 ans d’expérience — de la détection de fraude à l’automatisation documentaire, je conçois des systèmes IA divers (Vision, RAG, Agent, Chatbot) et scalables qui passent en production aussi bien sur des clouds providers que on-premise. Je transforme des documents complexes en données exploitables.

Domaines d’expertise

Langues

Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

Fleet360
Ingénieur IA & ML / CDO
janvier 2025 - Aujourd'hui (1 an et 5 mois)
Fleet360 est un projet entrepreneurial. J'interviens en tant que CDO et Ingénieur IA & ML. Nous concevons une solution SaaS pour automatiser les processus métier et améliorer la productivité des équipes dans les garages, concessions et parkings automobiles.
– Pilotage de la conception d'une application cloud (GCP) dédiée à la gestion de documents de flotte.
– Définition de la stratégie data et supervision de l'architecture technique du projet.
– Développement de l'application sur Streamlit et intégration du traitement avancé de documents non structurés.
– Mise en place de solutions OCR et de modèles Vision multimodaux pour l'extraction et le parsing documentaire.
Stack : Python, Streamlit, OCR, Modèles Vision Multimodaux, Document Parsing, GCP (Cloud Run, Cloud SQL, Vertex AI, Cloud Storage, Pub/Sub), Postgres
Python Google cloud Langchain Agent IA
EY, Numérobis,
AI engineer
janvier 2026 - Aujourd'hui (5 mois)
Dans le cadre d'une enquête, une équipe d'avocats mène une revue approfondie de documents. Afin d'identifier efficacement les documents à haut risque, je conçois et implémente une solution basée sur une approche RAG. L'infrastructure est entièrement on-premise pour garantir la confidentialité des données.
– Traitement de documents non structurés et valorisation de la documentation interne.
– Mise en place d'une base PostgreSQL pour le stockage des e-mails.
– Implémentation d'un agent pour interroger la base PostgreSQL.
– Architecture RAG avec indexation et recherche sémantique sur une base Qdrant.
– Identification du type et du contenu des documents pour trier les données traitables.
Stack : Python, Streamlit, Modèles Multimodaux, RAG (indexeur, retrieveur), GitHub, VS Code, LangGraph, PostgreSQL, Qdrant
Python Agent IA PostgreSQL Data Scientist RAG
EY, Produit Firtree
AI engineer
octobre 2025 - janvier 2026 (3 mois)
Conception et implémentation d'un outil RAG pour les audits d'entreprise soumis à la loi Sapin 2. L'outil permet la cartographie des risques, l'identification des zones de non-conformité et le renforcement de la prévention des risques pour les équipes d'audit et de conformité.
– Traitement de documents non structurés et valorisation de la documentation interne.
– Benchmarking et implémentation de solutions OCR.
– Architecture RAG avec indexation et recherche sémantique.
– Mise en place de LLMs pour interroger le RAG et optimisation des requêtes.
– Tests de robustesse du RAG sur un jeu de données.
– Automatisation de la rédaction d'un rapport PowerPoint standardisé pour les équipes d'audit.
– Mise en place d'un fact-checker pour mettre en évidence les incohérences.
Stack : Python, Streamlit, OCR, Modèles Multimodaux, RAG, Azure (AI Foundry, AI Search, Blob Storage), GitHub, VS Code, Python-pptx
Python Data Scientist RAG Cloud Azure LLM