Lead AI Engineer

A piloté le développement de la plateforme d'IA de BNP Paribas dédiée aux opérations IT, permettant aux équipes de production d'accéder plus rapidement aux connaissances opérationnelles et d'accélérer les investigations grâce à des systèmes multi-agents.

• A dirigé une équipe d'ingénieurs en IA tout en pilotant la conception technique, les revues de code, la planification des sprints et les décisions techniques au quotidien.
• A conçu et implémenté une architecture multi-agents modulaire composée d'agents d'IA spécialisés pour la recherche, l'exploration de topologie, la récupération de connaissances et le raisonnement avancé.
• A conduit la migration d'un workflow basé sur ReAct vers une architecture LangGraph Deep Agent, permettant une orchestration plus fiable et simplifiant l'intégration de nouvelles capacités d'IA.
• A collaboré avec les équipes d'infrastructure, de plateforme et de sécurité pour déployer, optimiser et exploiter les services d'IA en production.

A conçu et déployé des systèmes de Retrieval-Augmented Generation (RAG) prêts pour la production, exploitant des données d'incidents, de changements et de connaissances pour recommander des procédures de résolution.

• A développé une architecture GraphRAG hybride combinant recherche sémantique, graphes de connaissances et données opérationnelles historiques pour améliorer la pertinence des réponses.
• A construit des solutions d'analyse de graphes et de machine learning pour identifier les incidents corrélés, les changements et les dépendances d'infrastructure.
• A établi des cadres de surveillance pour suivre la dérive des données, la dérive des modèles et les performances des modèles en production.
• A dirigé des revues techniques, encadré des ingénieurs et promu les bonnes pratiques d'ingénierie.

A conçu les principaux composants de solutions pour permettre la maintenance prédictive et améliorer la résilience opérationnelle.

• A construit des pipelines de données Kafka pour ingérer et synchroniser en continu les données dans les bases de données.
• A appliqué l'analyse de graphes et des techniques de recherche opérationnelle pour identifier les dépendances critiques et quantifier la propagation des incidents.
• A implémenté des cadres d'explicabilité et de suivi pour surveiller les performances des modèles, la dérive des données et la dérive des modèles en production.
• A amélioré le MTTR de 40% en permettant une évaluation d'impact et une analyse des dépendances plus rapides dans le système d'information.

A construit des modèles de prévision de séries temporelles utilisant Prophet pour prédire les tendances d'incidents à travers les applications.

• A appliqué des techniques de modélisation statistique pour identifier les applications sujettes aux incidents à partir des données historiques.
• A déployé des services ML utilisant FastAPI pour exposer des modèles prédictifs via des API.