Ingénieur IA

A intégré l'équipe de Flozi, une plateforme SaaS aux États-Unis, afin de développer des solutions d'IA pour la visibilité dans les moteurs de recherche et l'optimisation des moteurs de réponse (AEO).

• A développé un pipeline RAG de bout en bout utilisant Qdrant comme base de données vectorielle pour indexer et récupérer du contenu web à grande échelle.
• A orchestré des LLM d'OpenAI et d'Anthropic pour générer des réponses optimisées améliorant la visibilité client sur ChatGPT, Perplexity et Google AI Overviews.
• A conçu des agents IA autonomes programmés pour explorer les SERP, en extraire des connaissances structurées et formuler des recommandations actionnables.
• A développé des microservices avec FastAPI et structuré des modèles de données SQL sous PostgreSQL pour une architecture SaaS multi-tenant.
• A déployé et configuré les services sur AWS à l'aide de Docker et Kubernetes, assurant la haute disponibilité et la scalabilité des charges de travail.

A cofondé la startup Feelio et a dirigé la conception technique d'un chatbot vocal basé sur l'IA destiné à l'apprentissage socio-émotionnel (SEL) des enfants autistes.

• A conçu un pipeline vocal temps réel combinant la reconnaissance vocale, la détection des émotions faciales via OpenCV et la génération de réponses par LLM.
• A développé un système de génération augmentée par récupération (RAG) sur ChromaDB pour indexer et interroger des contenus pédagogiques SEL validés scientifiquement.
• A conçu un schéma de base de données MongoDB optimisé pour sauvegarder l'historique conversationnel, les analyses émotionnelles et les profils utilisateurs d'une session à l'autre.
• A augmenté la satisfaction globale des utilisateurs de 40% grâce à la personnalisation contextuelle des interactions.
• A supervisé et coordonné une équipe technique multidisciplinaire de développeurs ML, mobile et backend du prototype jusqu'au produit final.
• A décroché le 1er prix lors de l'A2SV African AI Hackathon (le plus grand hackathon d'Afrique) grâce aux performances techniques du projet.

A rejoint Sigma Conseil pour concevoir et développer un système d'appels automatisés intelligent destiné à la collecte de données statistiques en langue arabe.

• A réalisé le fine-tuning d'un grand modèle de langage (LLM) sur des jeux de données en arabe pour automatiser la conduite d'enquêtes téléphoniques.
• A intégré Whisper d'OpenAI pour transcrire en temps réel les flux audio arabes en données textuelles structurées.
• A conçu et développé des API avec le framework Flask pour stocker, traiter et organiser les réponses d'enquêtes.
• A conçu un tableau de bord dynamique sous React pour visualiser en temps réel les insights et données collectées.
• A amélioré de 60% l'efficacité globale de la collecte de données et a réduit de 40% le temps consacré à leur analyse.
• A collaboré activement avec des experts métiers et clients pour valider la pertinence des livrables et la cohérence des flux conversationnels.

A réalisé un stage axé sur la recherche et le développement de techniques de fine-tuning appliquées aux services d'assistance client dans le secteur des assurances.

• A appliqué la méthodologie de fine-tuning LoRA (Low-Rank Adaptation) sur un LLM pour optimiser le traitement des questions-réponses spécifiques à l'assurance.
• A réduit d'environ 90% le volume de paramètres entraînables nécessaires tout en élevant la précision des réponses fournies de 35%.
• A développé un assistant virtuel autonome s'appuyant sur Django REST Framework pour automatiser le traitement des requêtes liées aux polices d'assurance.