AI/ML Engineer

Intégration d'une équipe d'ingénierie IA/ML d'une plateforme GenAI dédiée aux processus d'ingénierie automobiles, en charge du déploiement de systèmes multi-agents de production servant plus de 100 utilisateurs internes.

• Conception et déploiement de 5+ agents LLM spécialisés servant 100+ utilisateurs d'équipes d'ingénierie automobile, incluant un System Architect (raisonnement SQL sur architecture fonctionnelle), un Test Case Finder (recherche sémantique sur 32K+ cas de test), des composants d'analytique KPI, de traitement PDF (SPQ) et d'assistance conception.
• Engineering de pipelines d'inférence de production utilisant Claude API et Databricks Model Serving, atteignant une latence sub-3s pour des requêtes de raisonnement complexe sur 100K+ documents.
• Implémentation d'une infrastructure de recherche sémantique à grande échelle utilisant Databricks Vector Search et embeddings, permettant une récupération contextuelle des spécifications automobiles et documentation de test.
• Pilotage de la migration full-stack d'une stack Streamlit vers une architecture de production moderne (frontend Next.js/React + backend FastAPI/Express), améliorant la scalabilité et les capacités d'inférence multi-agent concurrente.
• Déploiement de la plateforme sur Databricks Apps avec gouvernance Unity Catalog.
• Réduction du temps de review manuelle de la documentation d'ingénierie de 60%, représentant 40+ heures/semaine économisées.
• Automatisation de l'export de la Matrice de Traçabilité R156 via pipeline Power Automate, éliminant le cross-référencement manuel de 400+ documents de spécifications.

Rejoindre l'équipe data d'un opérateur télécom pour concevoir des pipelines de données et modèles ML optimisant la performance du réseau, supportant 50+ stakeholders opérationnels.

• Test et déploiement de modèles de régression/classification (Random Forest, XGBoost, Linear Regression) prédisant les KPIs réseau, atteignant une amélioration de 15% en précision de prédiction via optimisation d'hyperparamètres rigoureuse.
• Conception et développement de workflows ETL basés Python pour datasets télécom à grande échelle, automatisant l'audit qualité des données et réduisant le temps de validation manuelle de 70%.
• Conception de dashboards Power BI trackant les KPIs de déploiement et santé réseau, permettant la prise de décision opérationnelle en temps réel pour 50+ stakeholders.
• Rédaction de requêtes Spark SQL optimisées pour la validation de données sur datasets multi-TB et réalisation d'analyses statistiques sur 2+ années de données opérationnelles télécom.

Conception et déploiement de modèles prédictifs pour des projets clients dans un contexte de consulting IA/ML.

• Conception de pipelines ML end-to-end incluant feature engineering, entraînement de modèles et évaluation pour tâches de régression et classification.
• Création de dashboards Streamlit interactifs pour le monitoring en temps réel des modèles et la livraison d'insights orientés données à des stakeholders non-techniques.

Livraison de solutions analytiques sur des défis data d'entreprise dans un contexte de simulation professionnelle.

• Résolution de problèmes métier réels en utilisant l'optimisation de requêtes SQL, transformation de données et techniques de visualisation Power BI.