Ingénieur LLM / Machine Learning

Intégration au sein d'une équipe data pour adapter et déployer des systèmes LLM destinés à des produits internes et des workflows analytiques.

• Fine-tuning de Gemma4-E2B pour la génération de requêtes SQL ClickHouse en langage naturel et évaluation sur des cas d'usage analytiques internes.
• Adaptation et déploiement d'un classifieur BERT multi-têtes pour des workflows internes via une API d'intégration aux outils de production.
• Benchmark de techniques de guardrailing et développement d'une couche de sécurité réutilisable et distribuable sous forme de package.
• Monitoring et amélioration d'applications LLM déployées par évaluation et tests A/B.

Participation aux recherches d'un laboratoire sur les systèmes de recommandation fondés sur les graphes temporels pour la modélisation de la mobilité humaine.

• Étude et expérimentation de systèmes de recommandation fondés sur les graphes temporels (JODIE, TGN et TGAT).
• Intégration de connaissances contextuelles pour mieux modéliser la mobilité humaine dans l'espace et dans le temps.
• Contribution aux expériences d'un article accepté à IEEE/WIC WI-IAT 2025 intitulé « A Context-Aware Spatio-Temporal Model for Human Mobility Forecasting ».

Conception d'un système de recommandation intégrant des données géospatiales et environnementales afin d'optimiser les décisions agronomiques.

• Conception d'un système de recommandation à partir de données géospatiales et environnementales.
• Entraînement d'un modèle Random Forest atteignant 77 % de précision sur le jeu de test.

Analyse et visualisation de données industrielles de fabrication afin d'étudier les temps de cycle et identifier les opportunités d'optimisation.

• Analyse et visualisation de données industrielles en vue d'étudier les temps de cycle de fabrication.