AI Engineer & Data Scientist

A rejoint Nehos Groupe afin de concevoir et déployer des solutions d'intelligence artificielle et d'automatisation pour divers cas d' usage métier.

• A conçu et déployé un pipeline d'automatisation n8n de bout en bout pour la publication quotidienne sur Facebook et LinkedIn, réduisant l'effort de planification manuelle d'environ 90%.
• A construit un pipeline complet de génération de contenu SEO, réduisant le temps de production de contenu d'environ 70% et couvrant toutes les exigences SEO techniques.
• A développé un système automatisé de prospection par e-mail sortant, augmentant le volume de prospection par 3 sans augmentation d'effectif.
• A alimenté tous les pipelines par des systèmes RAG et des agents LLM avec des invites orientées persona versionnées dans LangChain et LangSmith.
• A architecté un bot vocal multi-agents de production gérant les appels entrants pour qualifier les requêtes de manière autonome, acheminer vers les services et gérer la prise de rendez-vous.
• A atteint une qualité de conversation de type humain via des invites conçues par persona, permettant le traitement des appels de niveau 1 24h/24 et 7j/7 et réduisant le temps de traitement des appels d'environ 60%.
• A piloté la numérisation de bout en bout d'actes immobiliers incluant l'extraction OCR, l'analyse structurée, les résumés validés par des experts et la reconstruction de l'historique de propriété.
• A conçu un pipeline d'annotation avec expert dans la boucle pour construire un jeu de données de fine-tuning de 50 échantillons.
• A affiné Qwen 20B en utilisant QLoRA et intégré le modèle dans une application full-stack réduisant le temps de révision manuelle d'environ 75% par document.

A exercé en tant qu'ingénieur Deep Learning en freelance pour Autoliv dans le secteur de l'industrie 4.0 afin de moderniser les systèmes de contrôle qualité et l'extraction de rapports.

• A entraîné et déployé YOLOv8 sur un jeu de données personnalisé de photographie UV, atteignant 97% de précision dans la segmentation des défauts en production.
• A déployé le modèle sur NVIDIA Jetson Xavier avec une latence d'inférence inférieure à 50 ms, permettant un contrôle qualité en temps réel sur la ligne de production.
• A construit un tableau de bord de surveillance pour les superviseurs de production.
• A conçu un pipeline d'extraction basé sur l'OCR en utilisant OLLAMA avec l'orchestration LangChain pour analyser automatiquement les tableaux, graphiques et textes complexes des rapports de production.
• A conçu un agent IA qui a acheminé, validé et structuré les sorties dans Excel, alimentant un tableau de bord chronologique d'évaluation de production en temps réel.

A intégré le laboratoire CESI LINEACT en tant que stagiaire de recherche pour travailler sur le calcul affectif et l'apprentissage profond.

• A conçu un cadre multimodal intégrant des encodeurs spatiaux et temporels pour l'extraction de corrélations spatiotemporelles entre la vidéo 2D et les séquences squelettiques 3D.
• A construit un pipeline de collecte de données automatisé avec un contrôle de la qualité des annotations en temps réel.
• A validé de manière croisée le cadre sur KIMORE, PEMF et un corpus clinique privé multi-praticiens.
• A déployé le cadre dans une application web clinique.

A effectué un stage de recherche au sein du laboratoire LaTICE axé sur l'application du deep learning pour le dépistage ophtalmologique.

• A développé un CNN-Transformer hybride avec augmentation contrastive et pré-entraînement auto-supervisé.
• A atteint une précision de 99% sur le benchmark JustRAIGS.
• A analysé l'impact de la qualité de l'image sur les métriques de classification avec des visualisations GradCAM.
• A déployé le modèle dans un prototype destiné à la validation clinique.