Ingénieur en intelligence artificielle avec plus de 22 mois d'expérience pratique dans la conception, le prototypage et le déploiement de solutions de Deep Learning en production. Spécialisé dans les grands modèles de langage (LLM), le RAG (Retrieval-Augmented Generation), la vision par ordinateur et le déploiement de modèles en périphérie pour les appareils connectés. Solide expérience dans le réglage fin (LoRA, QLoRA), les flux de travail d'IA agentique et le cycle de vie complet du machine learning. Profil hybride technique et commercial permettant d'apporter un impact mesurable aux clients internationaux.
Parcours
Formation / Diplômes
Engineering Degree in Computer Science — AI Specialization
ESPRIT – Private Higher School of Engineering and Technology
2025
Preparatory Cycle in Mathematics & Physics
Preparatory Institute for Engineering Studies
2022
Expériences professionnelles
Artificial Intelligence Engineer
International ClientRoyaume-UniJanv. 2026 – Juil. 2026
Mission pour un client international au Royaume-Uni afin de concevoir et déployer des solutions d'intelligence artificielle.
A conçu et déployé des agents IA personnalisés pour l'automatisation du marketing B2B, la génération de leads et les flux de qualification.
A construit des architectures multi-agents intégrant des grands modèles de langage avec l'orchestration LangChain et LangGraph.
A généré une croissance mesurable du chiffre d'affaires grâce à un pipeline automatisé de qualification des leads et à une prospection personnalisée.
Expérience chez Sagemcom Software & Technologies pour travailler sur des architectures d'IA embarquées et des modèles de langage.
A conçu une architecture IA hybride edge-cloud pour le diagnostic automatisé de passerelles réseau, déployée en production sur des appareils ARM Cortex-A.
A déployé un réseau GAN pour la détection d'anomalies de séries temporelles directement sur des appareils de périphérie avec optimisation de la mémoire et de la latence.
A déployé un modèle Gemma 2B quantifié sur des passerelles edge pour le prétraitement local des incidents et l'enrichissement contextuel.
A ajusté un modèle LLaMA 3 1B en utilisant les techniques LoRA et QLoRA, hébergé sur une infrastructure cloud et dédié à l'automatisation de l'analyse des causes the racine.
A construit un pipeline RAG industriel combinant recherche vectorielle et graphe de connaissances pour des recommandations contextuelles.
A mis en place une pile MLOps complète comprenant conteneurisation Docker, pipelines CI/CD et surveillance.
A encadré des stagiaires juniors en IA sur le versionnage des modèles et les meilleures pratiques MLOps.
Environnement technique
PythonPyTorchHugging Face TransformersPEFTLangChainQdrantNeo4jDockerMLflowPrometheusGrafanaFastAPIembedded Linux.
Activité en tant qu'ingénieur en vision par ordinateur en freelance pour plusieurs clients industriels.
A conçu, entraîné et comparé des modèles de vision par ordinateur à travers diverses architectures adaptées aux objectifs commerciaux des clients et aux contraintes matérielles.
A livré des solutions d'automatisation industrielle incluant la surveillance visuelle, le contrôle qualité automatisé et la détection de défauts sur les lignes de production.
A assuré la prise en charge de bout en bout de la construction de jeux de données personnalisés, l'ajustement des modèles, l'évaluation et le déploiement opérationnel.
Stage chez 1WayDev axé sur le développement d'applications de vision par ordinateur.
A construit une application de vision par ordinateur de bout en bout pour la reconnaissance et la traduction en temps réel de la langue des signes.
A entraîné et comparé plusieurs architectures de détection d'objets avec une analyse comparative sur la précision et la latence.
A construit un jeu de données personnalisé comprenant l'annotation d'images, le nettoyage, l'augmentation des données et des pipelines de prétraitement avancés.
A optimisé les modèles via le réglage des hyperparamètres et une évaluation rigoureuse à l'aide de métriques adaptées au domaine.
A intégré les modèles entraînés dans une application en temps réel via des API pour une inférence et un échange de données efficaces.
Stage au sein du groupe IP-Label pour travailler sur le déploiement de solutions d'observabilité.
A déployé une solution de surveillance et d'observabilité de qualité industrielle en utilisant Zabbix et Grafana.
A optimisé les performances du système concernant l'utilisation du processeur, de la mémoire et de la latence grâce à des tableaux de bord automatisés et des alertes.