Ingénieur Intelligence Artificielle | Data Scientist |Ingénieur en Traitement d'images

Intégration de l'équipe d'EDF à Grenoble pour développer des pipelines de traitement d’images et évaluer des modèles IA embarqués.

• Réalisation du prétraitement de jeux de données images volumineux et de l'évaluation comparative de 5+ modèles ML, permettant de sélectionner l’architecture la plus adaptée aux contraintes embarquées.
• Conception d'un pipeline de traitement d’images de bout en bout (acquisition -> prétraitement -> inférence).
• Calibration et validation de la chaîne optique complète, réduisant les erreurs de mesure de plus de 30%.
• Développement d'une suite de tests Pytest couvrant l’ensemble du pipeline, garantissant la reproductibilité et la robustesse des résultats.
• Sélection du modèle optimal parmi plusieurs architectures en optimisant le ratio performance/consommation énergétique.

Collaboration avec le Laboratoire de Planétologie et Géosciences à Angers pour le développement et l'entraînement de modèles YOLO pour la détection automatique des foraminifères en 2D/3D.

• Entraînement et optimisation de modèles YOLO/CNN sur données 2D et 3D – modèle atteignant +90% de précision sur la détection automatique de foraminifères.
• Implémentation de méthodes XAI (Grad-CAM, SHAP) permettant aux experts scientifiques de valider et interpréter les prédictions du modèle.
• Réalisation d'une évaluation statistique complète des performances (précision, rappel, F1-score) et d'une analyse des cas d’échec.
• Gestion du versioning via GitLab – 100% des expériences et livrables tracés.

Intégration de l'ONEE à Angers pour automatiser la recherche documentaire via un chatbot intelligent basé sur RAG.

• Développement d'un chatbot RAG (LangChain + LLM) traitant une base de +500 documents internes (PDF, Word) – réduisant le temps de recherche documentaire de ~80%.
• Mise en place d'un pipeline RAG complet (chunking, embeddings, vector store) avec réponses contextuelles précises validées par les experts métier ONEE.
• Développement d'une interface web full-stack (FastAPI + React JS) mise en production dans l’environnement ONEE.
• Conception d'une architecture backend scalable avec intégration API LLM – solution livrée et documentée dans les délais.