AI Engineer

Intégration de l'équipe d'évaluation des LLMs chez Toloka AI afin de mettre en place des méthodologies de qualification et de monitoring des modèles de langage générative.

• Conception de méthodologies d'évaluation des LLMs basées sur des annotations expertes pour mesurer la qualité et la fiabilité des réponses générées.
• Mise en place de tableaux de bord Databricks permettant le monitoring en temps réel de plus de 20 KPIs de qualité et de performance.
• Développement de pipelines Python pour le traitement de jeux de données JSON issus des évaluations de LLMs, permettant l'analyse comparative de GPT-5, Claude et Gemini selon des critères de qualité définis par les experts.

Rejoindre l'équipe data de Renault Groupe pour développer une solution de forecasting de la demande en mode Agile afin d'optimiser la planification de la production et la gestion des stocks.

• Conception d'un pipeline de forecasting bout-en-bout (Python, Scikit-learn) atteignant une MAPE inférieure à 12% sur les prévisions de demande.
• Automatisation de l'ingestion et du preprocessing des données (ventes, production, commandes) via Apache Airflow, éliminant les traitements manuels.
• Déploiement de tableaux de bord Power BI interactifs pour le suivi autonome des prévisions, écarts de production et couverture des stocks.

Intégration de l'équipe data de Lydec (utility company) pour concevoir une plateforme Big Data temps réel et un système automatisé de détection de fraude afin de sécuriser les transactions et optimiser le suivi de consommation.

• Mise en place d'un pipeline Big Data temps réel (Spark Streaming, Kafka) traitant plus de 2 millions de clients par jour.
• Conception d'un système de détection de fraude automatisé (Python, Scikit-learn) atteignant un taux de détection de 85%, réduisant significativement la dépendance aux contrôles manuels.
• Modélisation des patterns de consommation via ARIMA et LSTM pour anticiper les variations et détecter des séquences frauduleuses.
• Développement de tableaux de bord Power BI pour le suivi des changements de consommation d'eau et d'électricité.

Rejoindre l'équipe data de la Banque Centrale Populaire pour concevoir une solution NLP et une architecture RAG permettant l'automatisation du traitement documentaire et l'interrogation intelligente des factures en langage naturel.

• Automatisation de l'extraction documentaire par OCR (Tesseract, OpenCV) et élimination des erreurs de saisie manuelle.
• Développement d'un pipeline NLP (spaCy, NER) pour l'extraction automatique de paires clé-valeur depuis des factures.
• Conception d'une architecture RAG basée sur BERT pré-entraîné pour interroger des documents en langage naturel, atteignant 89% de pertinence des réponses.