Description

Senior Data & AI Engineer | GCP | MLOps | Generative AI

Avec plus de 6 ans d’expérience, j’accompagne les entreprises dans la conception, la migration et l’industrialisation de solutions data et IA sur Google Cloud Platform (GCP).

J’interviens sur des projets à fort enjeu technique et métier, notamment :

Migration et modernisation d’architectures data vers GCP
Conception de pipelines data robustes et scalables (ETL, orchestration, CI/CD)
Déploiement de solutions IA & Generative AI (RAG, agents, chatbots, voice bot, automation)
Mise en production et monitoring (MLOps, DataOps)
Mise en place des pipelines CI/CD et automatisation des déploiement Gitlab CI/CD

J’ai travaillé sur des projets complexes dans des environnements exigeants (Leroy Merlin, Renault, Orange, RATP, Carrefour, L'Oréal, System U), avec une forte culture de la qualité, de la performance et de la mise en production.

👉 Expertises clés :

GCP (BigQuery, Cloud Run, Vertex AI, Dataflow…), Python, SQL, CI/CD, Docker, APIs (FastAPI), RAG, LangChain, LangGraph, GenAI, Agentic AI, Agent AI, LLM, Gitlab.

👉 Ce que je vous apporte :

Une approche pragmatique orientée résultats

Une forte capacité d’industrialisation

Une autonomie complète de la conception à la mise en production

Disponible pour des missions de migration, de build ou d’optimisation sur GCP.

Domaines d’expertise

Langues

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

Préférences en matière de lieu de travail

Accepte de travailler sur site

Asnières-sur-Seine (jusqu’à 50 km)

Capgemini Adéo Leroy Merlin–
Tech Lead
GRANDE DISTRIBUTION
septembre 2025 - Aujourd'hui (11 mois)
Paris, France
Projet : Développement d'un voice bot intelligent pour le service client Leroy Merlin, basé sur Agentic, API interne et IA generative.

Développement d'un voice bot IA générative pour le service client Leroy Merlin.
NLU + GenAI pour la détection d'intentions et réponses automatisées.
Mise en place d'un RAG et intégration via API backend (commandes, RGPD, identification).
Orchestration conversationnelle et gestion du fallback vers un conseiller humain.
Env.Tech:Python,GCP(DataStore,GeminiEntrepriseForCustomerExperience(Cxagentstudio),ConversationAgents,GCS),Github,API(FastAPI),Agentic
Python IA générative Gemini entreprise Cloud GCP Agentic AI
Capgemini Renault
Data Engineer / Generaive AI Engineer
AUTOMOBILE
mars 2025 - août 2025 (5 mois)
Boulogne-Billancourt, France
Projet : Agent API/ Améliorer et automatiser le cycle de vie des API via L'IA Générative
Définition de l'architecture et travailler avec l'architecte solution : concevoir et mettre en œuvre le scénario.
Implémentation et indutrialization d'un agent préparation RAG: Conception et déploiement d'une pipeline de données pour extraire les APIs depuis le Service Registry et transformer via GenAI et LangGraph.
Déploiement sur Cloud Run, orchestré par Cloud Scheduler avec prise en charge de modes de chargement full et delta (mise àjour quotidienne des APIs modifiées uniquement)
Industrialisation d'un agent de génération de Swagger: Développement d'une API FastAPI déployé sur Cloud Run et orchestré avec LangGraph, permettant de générer des fichiers OpenAPI/Swagger à partir d'invocations à la plateforme GenAI interne (Next Gen AI)
Collaboration avec les équipes DevOps pour la mise en place de pipelines CI/CD et l'automatisation des déploiements en environnement de production.
Env.Tech:Python,GCP(cloudrun,cloudstorage,cloudscheduler,vertex),FastAPI,LangGraph,Docker,Gitlab,GitlabCI/CD
Python Google Cloud Platform (GCP) Agent IA Fast API DevOps
Capgemini RATP
Machine Learning Engineer / MLOPS
TRANSPORTS
juillet 2024 - décembre 2024 (5 mois)
Gare de Lyon, Paris, France
Projet : SEM’ALAIN application de chatbot, basée sur l’IA générative et une architecture RAG, permets d’accompagner les agents en station dans la réalisation de leurs gestes métiers liés aux différents sujets qui régit leurs missions en général.
Test de charge pour le passage à l’échelle de 500 agents à 5000 agents
Déploiement du chatbot à 5000 agents. L’ouverture à un large panel d’agents
Cadrage, développement et industrialisation d’un dashboard de Monitoring sur Datadog, et mise en place de métrique pour monitorer évaluation de la performance du chatbot.
Effectuer le processus de RUN (correction d’anomalies et l’alimentation d’un backlog d’évolutions fonctionnelles), VSR(vérification de service régulier) et préparation de la TMA (Tierce Maintenance Applicative).
Env. Tech : Python, Langchain, FastAPI, AWS, Azure, RAG, Open AI, GPT o-mini, Docker, shell, Gitlab, Datadog (APM, DDTrace, LLMObsevability, Auto-instrumenter), Locust, RAGAS, Monitoring/ Logs, Openlens, Langfuse.
Python Fast API Langchain Datadog locust