Chef de Projet IA

Chef de projet IA pour moderniser la sélection végétale via l'intelligence artificielle et l'automatisation de la phénotypage.

• A conçu et déployé la première plateforme IA de l'entreprise (architecture deux serveurs) intégrant des modèles de vision par ordinateur, des pipelines de phénotypage et de l'analyse prédictive sur plus de 8 ans de données hétérogènes, réduisant le temps d'analyse manuel de 70 %.
• A développé et mis en production une plateforme de collecte d'images FastAPI + Next.js déployée sur Azure avec contrôle d'accès basé sur les rôles (Admin/Manager/Utilisateur), authentification JWT et gestion de tâches asynchrones.
• A déployé un assistant IA basé sur LLM pour la contextualisation des données et la recommandation en sélection végétale, conçu avec des garde-fous anti-hallucination et un prompt engineering contraint au domaine, expérimenté sur 3 projets.
• A piloté l'adoption transversale auprès de plus de 30 collaborateurs (sélection, R&D, IT, QC) en instaurant une culture IA face à une résistance organisationnelle significative.
• A standardisé plus de 25 protocoles expérimentaux et automatisé 70 % des flux de collecte de données, améliorant la fiabilité et la traçabilité pour le reporting réglementaire.

Chef d'équipe IA pilotant une équipe de 3 ingénieurs pour une plateforme de solutions de vision par ordinateur destinée à l'automatisation du commerce de détail, du design architectural jusqu'au déploiement sur infrastructure cloud.

• A dirigé une équipe de 3 ingénieurs pour livrer des solutions de vision par ordinateur en production pour l'automatisation du commerce de détail.
• A développé et maintenu 6 APIs REST Flask pour la mise en service des modèles et l'intégration tierce.
• A mis en place des pipelines CI/CD avec GitHub Actions et Docker, réduisant les temps d'arrêt lors des déploiements à zéro sur plus de 10 mises en production mensuelles.
• A créé un système OCR pour la reconnaissance d'étiquettes de prix atteignant 97 % de précision.
• A conçu un pipeline de clustering de produits à grande échelle via apprentissage par transfert personnalisé sous PyTorch, atteignant 99 % de précision de localisation.
• A mis en place des pratiques de revue de code orientées vers la sécurité et des patterns de contrôle d'accès pour protéger les données commerciales sensibles.

Doctorant en Intelligence Artificielle menant des recherches en intelligence artificielle explicable et reconnaissance d'émotions, produisant 4 publications dans des conférences IEEE de premier plan.

• A conduit des recherches en reconnaissance d'expressions faciales et d'émotions par CNNs, Transformers et méthodes XAI (SHAP, Grad-CAM, cartes d'unités d'action).
• A conçu des architectures légères pour des systèmes embarqués, optimisant les modèles de deep learning pour des environnements contraints.
• A publié 4 articles évalués par les pairs dans IEEE Access et des conférences IEEE (ICECS, IST) traitant de la reconnaissance d'émotions, de l'IA explicable et de la robustesse adversariale.
• A développé des méthodes d'IA explicable permettant des décisions de modèles transparentes, fondement pour un déploiement responsable de l'IA dans des contextes réglementés.

Ingénieur IA développant une plateforme de tests de sécurité IA en production couvrant les surfaces d'attaque Vision, LLM, Parole, Agents et RAG, avec architecture full-stack et conformité réglementaire complète.

• A développé une plateforme de tests de sécurité IA en production, couvrant les surfaces d'attaque Vision, LLM, Parole, Agents et RAG avec un backend FastAPI, un frontend Next.js, PostgreSQL et un déploiement via PM2 sur un VPS cloud.
• A livré 9+ familles d'attaques adversariales (FGSM, PGD, C&W, spécifiques YOLO) avec une notation automatisée (OR/ARGENT/BRONZE/ÉCHEC) et la génération de certificats conformes à l'AI Act UE Art. 15, au NIST AI RMF et à l'ISO/IEC 42001.
• A développé la suite Red Team LLM incluant jailbreak, injection de prompt, manipulation de tokens, empoisonnement RAG (poisoning contextuel, injection base de connaissances) et scénarios d'attaque d'agents autonomes.
• A conçu des scénarios d'évaluation couvrant l'induction d'hallucinations et la dérive d'objectifs pour une couverture holistique des risques IA.