Senior Data Scientist / AI Engineer

Intégration de la structure AIROBUST en tant que Lead AI Engineer afin de concevoir et développer un assistant juridique basé sur l'IA agentique.

• Conçu une architecture agentique sous Python, LangGraph et LangChain pour orchestrer le cycle de traitement des demandes.
• Mis en place un workflow incluant la qualification, le routage, la planification, la récupération des sources et la génération de réponses.
• Développé des agents spécialisés par domaine juridique pour collaborer sur des demandes transverses.
• Intégré des boucles de clarification pour demander les informations manquantes avant de produire une réponse.
• Conçu une architecture RAG appuyée sur des textes juridiques officiels et des sources.
• Développé un moteur de recherche sémantique avec embeddings, bases vectorielles, filtrage par métadonnées et reranking.
• Déployé la solution sur Google Cloud Platform en utilisant des services conteneurisés et managés.
• Mis en place une chaîne CI/CD avec GitHub Actions pour automatiser les tests et les déploiements.

Rejoint BNP Paribas pour concevoir un assistant IA basé sur des LLMs et des agents intelligents permettant des requêtes en langage naturel et une recherche sémantique avancée.

• Conçu des solutions d'IA générative et des architectures agentiques pour automatiser des processus métier complexes.
• Développé des systèmes multi-agents capables de collaborer, d'utiliser des outils et d'interroger différentes sources de données.
• Orchestré les agents avec LangChain et LangGraph pour gérer le routage, la planification, la recherche et l'appel d'outils.
• Mis en place des architectures RAG complètes intégrant embeddings, bases vectorielles, recherche hybride et reranking.
• Centralisé des données et documents de plusieurs applications au sein d'une couche de connaissance unifiée.
• Développé des microservices IA robustes avec Python, FastAPI et des APIs REST.
• Industrialisé des pipelines Talend ETL pour la centralisation et la normalisation des données.
• Déployé les services IA sur des environnements cloud avec des exigences de scalabilité et de haute disponibilité.

Réalisation de plusieurs missions en tant que Data Scientist dans des environnements Big Data pour des grands comptes tels que DPD Group, Orange et Biogaran.

• Conçu et industrialisé des modèles de Machine Learning dans des environnements Big Data avec Spark, PySpark et Databricks.
• Développé des pipelines distribués pour traiter d'importants volumes de données historiques et temps réel.
• Optimisé les traitements Spark en améliorant le partitionnement et la gestion de la mémoire.
• Développé pour DPD Group des modèles LSTM de séries temporelles pour prédire les délais de livraison de colis.
• Développé pour Orange des modèles LSTM pour détecter des anomalies dans des flux CDR à forte volumétrie.
• Développé pour Biogaran des services d'analyse d'images combinant OCR, détection d'objets et segmentation.
• Exposé les modèles sous forme de microservices et d'APIs REST avec FastAPI.
• Mis en place des traitements batch et temps réel avec Azure Data Factory, Azure Stream Analytics et Kafka.

Développement de modèles statistiques et de Machine Learning pour répondre à des problématiques RH et d'optimisation métier.

• Recueilli et analysé les besoins avec les équipes métier pour traduire les problématiques RH en cas d'usage Data Science.
• Exploré les données pour comprendre leur structure, identifier les variables pertinentes et évaluer leur qualité.
• Préparé, corrigé et fiabilisé des données historiques et de simulation pour constituer des jeux d'apprentissage exploitables.
• Développé des modèles prédictifs, de classification et d'optimisation métier en migrant d'approches déterministes vers du Machine Learning.
• Conçu des simulations quantitatives pour tester différents scénarios métier et enrichir les données d'apprentissage.
• Défini des protocoles de validation pour comparer les prédictions aux résultats observés et analyser les erreurs.