Senior GenAI Engineer — Software Engineer

Intégration de l'équipe GenAI d'Amadeus afin de piloter des initiatives de modernisation technologique et d'accompagner l'adoption de l'IA générative au sein des équipes produit.

• Conception et pilotage de la migration React → Angular du composant Flight Map View du produit APOC, réduisant l'estimation initiale de 50 à 17 jours-homme (gain de productivité de 65%).
• Atteinte de >95% de fidélité visuelle et amélioration des métriques de performance (LCP, INP, CLS) via Chrome DevTools.
• Assurance de la qualité du code par le biais de TDD, SDD et unit tests, validés par des experts Angular et orchestrés via des custom AI agents.
• Intégration de l'Amadeus Design Factory et élaboration d'une méthodologie de migration réutilisable au sein de l'organisation.
• Conduite de l'initiative AI First en accompagnant les équipes dans l'adoption d'outils IA (IDE assistés, skills, RAG, MCP) et en proposant des solutions adaptées à leurs problématiques.
• Suivi opérationnel de ces initiatives et de leur déploiement dans les équipes.
• Contribution à des projets open source : docs2vecs (CLI Python pour RAG), OLAF (framework de collaboration humain-IA), Prompt Registry (extension VS Code pour le partage de prompts IA).
• Création et publication de primitives IA dans le hub Amadeus.

Participation au sein de l'équipe data d'une institution bancaire majeure afin d'améliorer les modèles prédictifs de détection de fraude et de classification client.

• Conduite d'itérations d'améliorations sur les modèles de détection de fraude et de classification client en ajustant les hyperparamètres de XGBoost.
• Amélioration des performances des modèles grâce à l'optimisation des paramètres.
• Optimisation du traitement des données avec Python et PySpark, renforçant la scalabilité et la robustesse des pipelines.
• Définition et implémentation de métriques de performance pour évaluer les modèles (précision, rappel) garantissant une évaluation quantitative complète.
• Collaboration avec les équipes métiers pour présenter les résultats et formuler des recommandations stratégiques.

Intégration de l'équipe data d'un groupe majeur de la défense et de l'aérospatiale afin de mettre en œuvre des solutions de traitement textuel avancées pour l'analyse des retours utilisateurs.

• Réalisation d'une analyse textuelle via des techniques avancées de NLP, incluant le sentiment analysis et le topic modeling, pour identifier les thèmes et les sentiments des retours utilisateurs.
• Collaboration étroite avec les équipes métiers pour adapter l'analyse NLP aux besoins opérationnels spécifiques.
• Conception et déploiement d'une application Streamlit, permettant aux équipes métiers d'accéder de manière visuelle et intuitive aux résultats d'analyse, facilitant ainsi la prise de décision.