Ingénieur Data & IA

A intégré une équipe pluridisciplinaire pour concevoir et déployer des solutions FHIR (Fast Healthcare Interoperability Resources) et moderniser les infrastructures IT.

• A conçu et déployé des serveurs FHIR permettant l'intégration sécurisée de données de santé hétérogènes.
• A développé des flux interopérables robustes en Python, notamment au travers d'API REST et des parseurs HL7 via une plateforme propriétaire d'intégration.
• A modélisé sémantiquement les ressources FHIR en RDF/OWL et généré automatiquement des requêtes SPARQL via LLM (Modélisation sémantique).
• A déployé et administré des machines virtuelles cloud et des outils open-source en environnement Docker & CI/CD.
• A mis en place des infrastructures standalone pour supporter l'interopérabilité des données.
• A géré le parc informatique et participé à l'onboarding numérique des utilisateurs.

A mené un projet de fin d'études visant à automatiser et optimiser le fine-tuning incrémental de modèles d'embeddings pour améliorer les systèmes RAG (Retrieval-Augmented Generation) en environnement gouvernemental.

• A conçu une architecture de fine-tuning incrémental des modèles Transformers pour optimiser les performances de retrieval des systèmes RAG.
• A sélectionné et évalué les meilleurs modèles d'embeddings via des benchmarks reconnus (Hugging Face).
• A mis en place le versioning robuste des modèles, données et expériences d'entraînement avec des outils de gestion d'expériences et Git.
• A implémenté une évaluation avancée « LLM as a Judge » pour valider la qualité des systèmes RAG déployés.

Au sein du laboratoire, a contribué à la conception de systèmes d'IA scalables, reproductibles et prêts à être déployés en environnement réel, dans un cadre de recherche ou pour des cas d'usage concrets en entreprise :

• Développement d'une architecture RAG
• Conception d'une architecture VLM (Vision-Language Model) appliquée à des problématiques en agronomie de précision
• Contribution à un projet de recherche sur le reverse engineering de maillages TPMS : conception d'un pipeline hybride géométrique et guidé par apprentissage machine
• Développement d'un modèle de yield management basé sur le machine learning en collaboration avec une organisation sportive professionnelle (projet en cours)
• Participation à des travaux de recherche en IA appliquée à la psychologie avec un laboratoire de recherche spécialisé (projet en cours)
• Participation à des hackathons et challenges en IA durable