Ingénieure IA

Intégration de l'équipe IA de Dataionics afin de développer des solutions avancées de recherche d'images satellitaires et de traitement du langage naturel.

• Développement d'un système RAG géospatial multilingue (FR/EN) pour la recherche d'images satellitaires, avec un index de 1M+ éléments GeoParquet et une latence de retrieval <500 ms.
• Conception d'un pipeline de retrieval hybride combinant PostgreSQL, pgvector, BM25 et reranking, avec PostGIS pour les filtres spatiaux et DuckDB pour l'exploitation des métadonnées STAC.
• Indexation de plus de 2 200 collections STAC avec chunking adapté et embeddings multilingual-e5-large pour la recherche cross-lingual.
• Évaluation des performances du système avec Precision@K = 0.82 et RAGAS Faithfulness = 0.79.
• Mise en place de FastAPI, Docker, CI/CD et pytest.
• Développement d'un pipeline NLU avec analyse d'intention, validation Pydantic et génération de réponses via LlamaIndex et Mistral 7B, avec prompt engineering sur 100+ requêtes utilisateurs.

Collaboration avec l'entreprise Wattnow pour concevoir un système de détection d'anomalies acoustiques industrielles.

• Développement d'un système de détection d'anomalies acoustiques industrielles basé sur des réseaux de neurones convolutifs (CNN).
• Conception du pipeline audio complet : prétraitement, extraction de MFCC, FBank et MelSpectrogram, entraînement et évaluation avec TensorFlow/Keras et scikit-learn.
• Obtention de 97,9 % d'accuracy, 96 % de F1-score et 99,7 % de ROC-AUC.
• Préparation du modèle pour un déploiement edge sur STM32 NPU via STM32Cube.AI.