Ingénieur en Intelligence Artificielle

Intégration de l'équipe de Clarrio.ai afin de concevoir et déployer des solutions d'intelligence artificielle appliquées au secteur de la santé.

• A conçu et déployé un agent conversationnel IA basé sur l’architecture MCP (Model Context Protocol) intégré à Azure OpenAI pour un accès intelligent et sécurisé aux données de santé.
• A mis en place des connecteurs de données basés sur FHIR pour récupérer et structurer les informations cliniques incluant les signes vitaux, antécédents médicaux et rapports de neuroimagerie pour le raisonnement et la synthèse avec des LLM.
• A développé et optimisé des modèles de deep learning (CNN, LSTM) pour la prévision de séries temporelles et l’analyse de biosignaux afin de soutenir la surveillance des patients.
• A déployé des solutions ML sur Azure ML et optimisé les performances pour des applications réelles en neurologie.
• A créé des pipelines de détection et filtrage de PHI/PII en utilisant le NLP et des méthodes basées sur des règles pour assurer des conversations conformes aux réglementations sur la confidentialité.
• A collaboré avec des data scientists, neurologues et ingénieurs pour fournir des insights et des outils d’aide à la décision intégrés aux flux cliniques.

Participation au sein de Karma Solution Group pour implémenter des solutions d'intelligence artificielle destinées au traitement automatisé de documents d'assurance.

• A implémenté des solutions IA pour le traitement automatisé de documents d’assurance via OCR et des modèles de langage avancés.
• A entraîné des modèles pour des cas d’usage spécifiques en assurance, incluant la détection de visages et la vérification de signatures.
• A conçu et développé des chatbots orientés assurance utilisant des LLM pour améliorer l’engagement et l’accès à l’information.
• A déployé des applications RAG (Retrieval-Augmented Generation), intégrant des LLM pour l’analyse en temps réel des documents et l’extraction de données, améliorant ainsi l’efficacité opérationnelle.

Conduite de travaux de recherche dans le cadre d'un mémoire de Master à l'Institut Supérieur d’Informatique et Multimédia de Sfax sur l'analyse de sentiments des avis sur les médicaments.

• A conçu et implémenté des modèles CNN, LSTM et Autoencodeur pour l’analyse de sentiments des avis sur les médicaments, atteignant une précision de 95% et surpassant les benchmarks publiés dans le domaine.
• A construit le pipeline complet de prétraitement NLP incluant la tokenisation, la lemmatisation et la suppression des stopwords pour préparer les avis patients non structurés et soutenir un système de recommandation médicamenteuse.
• A réalisé une revue de littérature sur les méthodes de deep learning pour l’analyse de sentiments en santé afin de guider la sélection des modèles.