Data and AI Engineer

A intégré l'équipe data et AI d'une autorité de régulation des marchés financiers pour concevoir une solution d'analyse de conformité réglementaire innovante.

• A conçu et développé une architecture RAG comparant des documents internes à un corpus légal complet (lois, décrets, arrêtés, circulaires) avec vérification de cohérence interne.
• A structuré le corpus par Spectral Clustering (scikit-learn) pour améliorer le retrieval, portant la pertinence de 14/20 à 18/20 articles récupérés par section contre une approche par embeddings simples.
• A conduit un benchmark de LLM (DeepSeek-V3.1, LLaMA 4, Qwen2.5, Llama-3.1/3.3) et de modèles d'embedding (EmbeddingGemma-300M, e5, nomic-embed, BGE, MiniLM) pour sélectionner la combinaison optimale.
• A intégré l'ensemble via Elasticsearch et LangChain dans une application web multiutilisateur.
• A développé le frontend avec Next.js et le backend en Python avec gestion des rôles (Utilisateur/Administrateur).
• A implémenté la génération automatique de rapports d'analyse de conformité.
• A déployé la solution entière via Docker dans un environnement de production.

A conçu et développé une plateforme d'automatisation pour la vérification des dossiers administratifs des marchés publics soumis via le PMP (Portail Marocain des Marchés Publics), en remplacement d'un processus manuel long et sujet à erreurs.

• A architécturé une solution React (frontend) et Flask (backend API REST) pour automatiser les vérifications documentaires.
• A implémenté un pipeline OCR combinant Tesseract et EasyOCR pour l'extraction de texte à partir des documents soumis.
• A développé un traitement NLP utilisant spaCy NER (Named Entity Recognition) et SentenceTransformer pour l'extraction et la validation des données extraites.
• A mis en place une validation par similarité textuelle des documents soumis par rapport aux pièces attendues.