Ingénieur IA & Data

Intervention chez Talan-Consulting pour concevoir des solutions d'IA agentique et des systèmes multi-agents pour automatiser la modernisation des données.

• Conception de solutions d'IA agentique et de systèmes multi-agents basés sur les LLMs, MCP et RAG/GraphRAG.
• Automatisation de la migration et de la modernisation des données, notamment la transformation de workflows ETL legacy vers des architectures dbt/Snowflake.
• Développement de pipelines ETL/ELT scalables et de solutions data cloud-native.

Mission chez Bpifrance pour développer des solutions Big Data, Data Engineering et des agents IA dédiés aux workflows de données.

• Conception et développement de solutions Big Data et Data Engineering pour l'ingestion, la transformation et l'exposition de données à grande échelle.
• Développement d'agents IA dédiés aux workflows ETL, exploitant les LLMs et des architectures agentiques pour automatiser l'analyse, la transformation et le traitement des données.
• Construction et industrialisation de pipelines ETL/ELT scalables.
• Intégration des pratiques CI/CD, des tests et du DevOps afin d'améliorer la fiabilité et l'efficacité des traitements data.

Participation à la mission GRDF pour mener à bien des projets de migration et de modernisation de plateformes de données.

• Conception d'un agent de migration basé sur l'IA agentique pour automatiser la transformation de workflows Informatica vers dbt et Snowflake.
• Réduction des efforts manuels liés à la modernisation des plateformes data.
• Développement d'une architecture exploitant LLMs, MCP, RAG/GraphRAG et APIs pour analyser les workflows et comprendre les métadonnées.
• Automatisation de la conversion ETL/SQL ainsi que de la génération de code.
• Automatisation de l'extraction de métadonnées, l'analyse de data lineage et des dépendances.
• Amélioration de la traçabilité, de la cohérence et de la scalabilité des processus de migration.

Stage réalisé au siège social d'Attijari Bank pour concevoir un système prédictif et des outils d'analyse de données.

• Développement d'un système end-to-end de prédiction du churn client basé sur des modèles de Machine Learning supervisé.
• Complément du projet par des dashboards Power BI pour l'analyse des risques et la segmentation.
• Mise en place d'un pipeline MLOps pour assurer le suivi des expérimentations.