AI Agent Engineer

A rejoint Edbuild en tant que seul responsable technique afin de concevoir et industrialiser une plateforme d'IA générative à base d'agents pour des clients payants.

• A conçu et mis en production une plateforme d'IA générative à base d'agents utilisée par des clients payants.
• A développé des agents et des workflows avec Pydantic AI intégrant le tool calling, des sorties structurées et validées, la gestion du contexte ainsi que l'orchestration des APIs Claude et OpenAI.
• A mis en place une évaluation automatisée des sorties exécutée chaque nuit dans la CI pour mesurer la qualité et détecter les régressions avant production.
• A réalisé le cadrage des cas d'usage, les arbitrages entre qualité, coût et latence, le déploiement, la supervision et la documentation.

A intégré une équipe Data Science chez Allianz Trade pour renforcer la chaîne de traitement et industrialiser des modèles de risque déployés à l'international.

• A conçu un pipeline ETL automatisé au sein d'une équipe Data Science, alimentant un modèle de risque déployé dans plusieurs pays.
• A développé et déployé un service de prétraitement en Python et FastAPI sur AWS.
• A automatisé complètement la chaîne CI/CD avec GitLab CI incluant les tests, la qualité de code et les contrôles de sécurité.
• A mis en place des contrôles de qualité des données et documenté les règles métier tout en assurant un rôle de référent technique auprès des équipes Data, IT et métiers.

A participé au traitement de flux de données massifs en temps réel au sein de l'entreprise BLOOM.

• A conçu une plateforme de traitement de données en temps réel à fort volume avec Python et Kafka, et un stockage fiable vers S3.
• A développé des microservices Python et gRPC conteneurisés avec Docker, déployés sur Kubernetes et supervisés via Prometheus et Grafana.
• A optimisé les performances et la consommation de ressources du système tout en appliquant le TDD et des revues de code rigoureuses.

A contribué au développement de solutions de traitement du langage naturel et de systèmes experts pour l'interrogation de données structurées.

• A développé un système expert traduisant le langage naturel en requêtes GraphQL sur des données structurées.
• A conçu une architecture microservices pour le NLP, couvrant l'ensemble du processus du prétraitement jusqu'aux modèles.
• A collaboré avec des Data Scientists sur un modèle de sentiment basé sur BERT.
• A exposé les microservices via une API Flask déployée sur Kubernetes.