AI Engineer

Ingénieur IA au sein d'une plateforme fintech proposant des solutions d'analyse financière pour marchés émergents. Modernisation des systèmes d'IA et optimisation de l'infrastructure cloud.

• Conception d'une plateforme d'analyse financière alimentée par IA utilisant des APIs LLM et workflows d'orchestration multi-nœuds pour la génération automatisée de narratifs financiers multilingues avec validation structurée et extraction de métriques.
• Développement d'un chatbot conversationnel intelligent avec gestion du contexte multi-tour, classification d'intention, résolution de références et système FAQ basé sur RAG utilisant recherche sémantique et reranking.
• Conception de microservices FastAPI scalables déployés sur infrastructure cloud serverless avec autoscaling (0-10 instances), implémentant une architecture API hybride routant entre services de données, gérant 200+ requêtes concurrentes avec traitement parallèle.
• Implémentation d'un système de caching production-grade (TTL 3600s) atteignant 70%+ de taux de cache hit et 96% d'amélioration de latence (<100ms vs 2.5s), réduisant les coûts LLM de 94% par optimisation stratégique.
• Développement et test en charge des APIs avec framework de load testing, validant la stabilité sous 50+ utilisateurs concurrents à 20 RPS avec 0% d'erreurs, optimisant les temps de réponse (230ms médiane, <5.5s p95).
• Déploiement d'une infrastructure enterprise-grade avec base de données relationnelle, connection pooling, authentification JWT, pipelines CI/CD, monitoring et contrôle de version avec workflows staging/production.
• Technologies : Python, FastAPI, LLMs (APIs externes), LangGraph, ChromaDB, Redis, PostgreSQL, SQLAlchemy, Google Cloud Run, BigQuery, Cloud Build, Cloud Logging, JWT, Docker

Ingénieur IA en stage spécialisé dans la conception de systèmes multi-agents distribués et pipelines vocaux pour automatisation complète des processus métier et intégration d'IA conversationnelle.

• Déploiement d'un système multi-agent distribué utilisant une plateforme d'automatisation low-code pour workflows complets (génération de plans, stratégies go-to-market).
• Construction d'agents par indexation de sources existantes et création d'index vector store structurisés.
• Conception d'une architecture d'agents incluant raisonnement, gestion du contexte, outils spécialisés et prompts optimisés.
• Conception de pipelines vocaux de bout en bout intégrant transcription STT, raisonnement LLM et synthèse TTS pour interactions conversationnelles naturelles et à faible latence.
• Implémentation de détection d'activité vocale (VAD) et buffers audio streaming pour segmentation de parole précise et réactivité temps réel.
• Développement d'agents vocaux avec gestion du dialogue multi-tour, reconnaissance d'intention, gestion des interruptions et mémoire de session.
• Conception d'un agent RAG adaptatif utilisant un framework de développement d'agents IA pour interrogation intelligente de documents stockés en cloud.
• Intégration d'outils spécialisés : gestion de documents, création de corpus, recherche et analyse sémantique.
• Déploiement en production via pipelines CI/CD et runtime cloud avec architecture containerisée.
• Technologies : Plateforme d'automatisation low-code, LLMs, STT, TTS, VAD, LangChain, Framework de développement d'agents IA, ChromaDB, Cloud Build, Cloud Run, Docker

Ingénieur IA au sein d'une équipe spécialisée dans la conception d'un système de détection d'anomalies temps réel pour le secteur automobile. Automatisation de l'analyse et amélioration de la qualité des rapports de dommages.

• Conception d'un système temps réel de détection de défauts automobiles utilisant vision par ordinateur avec algorithmes de détection d'objets pour identifier les dommages structurels avec annotations précises, augmentation des datasets d'entraînement via données synthétiques générées par IA pour améliorer la généralisation sur scénarios rares.
• Pilotage du cycle ML complet sur plateforme cloud (entraînement distribué, optimisation hyperparamétrique, versioning des modèles), garantissant des déploiements reproductibles et production-ready.
• Conception de workflows d'orchestration pour interpréter les outputs de vision par ordinateur et orchestrer pipelines multi-agents pour résumé automatisé des défauts, estimation des coûts et déclenchement de décisions métier, avec assurance qualité intégrée basée sur LLM.
• Déploiement d'une infrastructure d'inférence hautement disponible via Infrastructure-as-Code avec conteneurisation, load balancing et rôles d'accès, développement d'endpoints REST pour traitement d'images temps réel avec scaling sans arrêt.
• Implémentation de la persistance sécurisée des données avec base de données NoSQL performante pour outputs de modèles et rapports avec versioning et monitoring de dérive de performances.
• Technologies : Python, Algorithmes de détection d'objets (YOLO), Vision par ordinateur, TensorFlow, PyTorch, LangGraph, LangChain, Plateforme cloud ML (SageMaker-équivalent), Infrastructure-as-Code, Conteneurisation (ECS-équivalent), Load Balancing, FastAPI, Base de données NoSQL, GANs