Senior AI Engineer and GenAI Architect

Collaboration avec une startup créative d'IA pour doter les utilisateurs d'outils d'IA générative personnalisables, en se concentrant sur l'optimisation et la mise en œuvre de modèles de diffusion avant-gardistes.

• Optimisation et implémentation de plusieurs modèles basés sur la diffusion pour améliorer les performances et la flexibilité.
• Livraison de pipelines d'inférence optimisés, améliorant la vitesse de rendu et la qualité pour les utilisateurs finaux.
• Collaboration étroite avec des équipes transversales pour traduire les objectifs artistiques en features robustes de machine learning.

Pilotage du développement de features IA innovantes, en se spécialisant dans le texte animé, les logos et les vidéos à l'aide de méthodes avant-gardistes telles que les modèles de diffusion et AnimatedDiff.

• Lancement d'un nouveau produit vidéo GenAI classé #1 sur Product Hunt en version quotidienne et #3 en version hebdomadaire.
• Pilotage de la création de features IA de pointe, renforçant la position du produit en tant que leader de la création de contenu social animé.
• Avancées IA introduisant du texte animé, des logos et des vidéos par le biais de méthodes sophistiquées.

Intégration de l'équipe IA d'un grand groupe de services numériques pour concevoir et déployer des assistants GenAI d'échelle entreprise, servant plus de 350 000 utilisateurs.

• Conception et déploiement d'assistants IA générative prêts pour la production en environnement entreprise de grande envergure.
• Architecture de solutions scalables basées sur LLM/RAG et définition de patterns d'intégration au sein de systèmes complexes.
• Pilotage des décisions architecturales pour équilibrer coûts, latence et qualité de réponse sur plusieurs cas d'usage GenAI.
• Collaboration avec Google sur l'adoption de Gemini et les meilleures pratiques de plateforme.
• Implémentation d'architectures RAG avancées permettant des réponses précises et contextually aware ancrées dans les données de l'entreprise.
• Optimisation coûts et performance des LLM à l'échelle en introduisant un monitoring au niveau des tokens, la sélection adaptative de modèles et des stratégies de caching de contexte.
• Réduction de la latence et des coûts opérationnels en exploitant la structuration de prompts et les mécanismes natifs de caching, garantissant une réutilisation efficace du contexte.
• Compréhension de documents à grande échelle et raisonnement long-contexte sur des datasets internes complexes.
• Contribution à la structuration des meilleures pratiques IA et des composants réutilisables pour soutenir l'adoption plus large au sein de l'organisation.

Fondation et pilotage de l'ingénierie IA d'une plateforme d'IA vocale multilingue en temps réel (arabe/anglais) destinée aux marchés d'entreprises du Golfe, de l'architecture au déploiement en production.

• Conception et déploiement d'une plateforme d'agent vocal prêt pour la production pour un assureur aux Émirats arabes unis, respectant un budget de latence p95 au premier audio strictement défini à 800 ms sur une architecture en cascade STT => LLM => TTS.
• Déploiement et services de modèles LLM et de parole open-weight sur infrastructure Kubernetes auto-hébergée, sélection d'un modèle dense 27B plutôt que des alternatives de mixture-of-experts pour garantir la prévisibilité des SLA p95 et exploiter le caching de préfixe.
• Pilotage end-to-end de la stack technique : sélection de modèles, infrastructure d'inférence, optimisation de latence et évaluation.

Rôle pivot combinant data scientist et data engineer au sein d'une banque d'investissement, contribuant à l'amélioration du cœur de métier via l'analytique de données et la prise de décision stratégique.

• Centralisation et rationalisation de sources de données disparates sur Databricks au sein de l'écosystème AWS, optimisant l'accessibilité et l'utilisation des données dans l'organisation.
• Conception et implémentation de pipelines de données, garantissant le flux fluide d'informations et permettant des processus de décision opportuns et éclairés.
• Analytique de données approfondie, découvrant des patterns, tendances et insights actionnables qui ont contribué à l'optimisation des processus métier clés.
• Pilotage des efforts d'intégration de l'intelligence artificielle dans les opérations de la banque d'investissement, exploitant la richesse des données pour promouvoir l'innovation et l'efficacité.

Collaboration étroite avec le métier pour développer des pipelines de données, des méthodologies d'entraînement de modèles et des systèmes de validation de performance au sein d'une entreprise de technologie médicale. Pilotage du développement de projets cliniques et analytiques, encadrement et supervision de développeurs juniors aux meilleures pratiques ML et Data Science, et contribution à l'établissement d'une infrastructure MLOps à l'échelle de l'entreprise.

• Développement d'un moteur de recherche sémantique pour enrichir la documentation interne des projets.
• Implémentation d'un système RAG efficace pour la récupération de documentation sur les dispositifs médicaux.
• Maîtrise du transfer learning et de l'adaptation de modèles pour des tâches domain-spécifiques dans la reconnaissance de tubes de sang à partir d'images, atteignant des taux de précision entre 99 % et 100 %.
• Utilisation de techniques telles que l'augmentation de données pour améliorer la robustesse du modèle.
• Implémentation et validation d'une méthodologie d'entraînement axée sur les critères métier pour l'identification et le dosage des molécules Anti-Xa.
• Exploitation du format ONNX pour améliorer la vitesse d'inférence du modèle déployé, obtenant une accélération de 5x.
• Amélioration et productionisation d'un modèle d'identification de molécules Anti-Xa dans le contexte d'une demande de brevet, améliorant la précision de 21 %.
• Implémentation de diverses architectures de deep learning avec TensorFlow pour la détection d'anomalies sur les signaux de tests biologiques des dispositifs médicaux.
• Adaptation d'une méthodologie basée sur le metric learning pour les tâches de détection d'anomalies.
• Développement d'un système en deux étapes améliorant la détection de signaux anormaux de 8 %.
• Déploiement des modèles et assurance du monitoring des performances dans Azure Databricks avec alertes automatisées via MS Teams.

Participation au réseau Toptal regroupant les 3 % meilleurs freelancers au monde, participation à des événements communautaires et à des formations techniques dans les domaines du machine learning et de la data science.

Contribution à l'amélioration du système OCR utilisé pour l'extraction de texte au sein d'une compagnie d'assurance et développement du parsing de certains types de champs personnalisés.

• Développement d'un parsing personnalisé pour des types de champs spécifiques.
• Implémentation de l'outil sous la forme d'une API REST avec Flask pour faciliter l'intégration en production.

Amélioration du ciblage des campagnes de marketing par email grâce à l'apprentissage automatique et développement de modèles de deep learning pour les tâches NLP et Vision afin d'évaluer l'attrait des campagnes.

• Construction de modèles de deep learning pour le NLP et la Vision permettant d'évaluer l'attractivité des campagnes marketing.
• Conception et implémentation d'une base de données graphique avec Neo4j permettant l'analyse du comportement des utilisateurs.
• Développement de dashboards interactifs avec plotly et dash pour la visualisation des insights.

Rôle de data scientist travaillant sur l'optimisation des campagnes marketing via le machine learning et l'analytique de données.

Assurance de la formation complète de cours de Machine Learning et d'Introduction au Machine Learning au sein d'une école de commerce.

• Création de l'ensemble des matériaux pédagogiques incluant présentations, exercices en notebook et bases de données.
• Évaluation des étudiants via des examens pour les niveaux graduate et bachelor.
• Dispensation de formations à plusieurs cohortes d'étudiants aux niveaux graduate et bachelor.