Description

Data & AI Engineer avec 4 ans d'expérience dans la conception, l'industrialisation et le maintien de pipelines de données et de solutions IA en environnement de production.

J'ai accompagné des grands groupes comme CMA-CGM, PSA et CAGIP dans la modernisation de leurs plateformes data :

ingestion, transformation, orchestration et exposition de la donnée à grande échelle.
Côté IA, j'interviens sur des problématiques de MLOps, de sécurité LLM et de conception d'agents IA. De la phase R&D jusqu'au déploiement.

Ce que j'apporte à vos projets :

Des pipelines fiables, testés et maintenables. Des solutions IA industrialisées et prêtes pour la production.

Une capacité à dialoguer avec les équipes métiers comme avec les équipes techniques.

Stack technique : Python · PySpark · SQL · Dataiku · Snowflake · Airflow · dbt · AWS · Docker · Terraform · GitLab CI/CD · Power BI · LLM · Agents IA · RAG

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Arabe
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km), Nice (jusqu’à 50 km), Marseille (jusqu’à 50 km)

SYNCHRONE
Conception et déploiement d'une plateforme IA conversationnelle multi-agents
AGENCE & SSII
mars 2026 - Aujourd'hui (3 mois)
Paris, France
J'ai participé a la conception, développement et déployment de Synapse. une plateforme IA conversationnelle d'entreprise reposant sur une architecture microservices composée de 7 services conteneurisés, orchestrés via Docker Compose et exposés derrière un reverse proxy nginx sur un point d'entrée unique.

Le cœur de la plateforme est un agent conversationnel intelligent construit avec LangGraph et GPT-4o-mini, doté d'une mémoire persistante par session stockée en PostgreSQL, capable de maintenir un contexte conversationnel cohérent sur la durée.
J'ai intégré un système de RAG (Retrieval-Augmented Generation) permettant à l'agent d'interroger une base documentaire interne via des embeddings vectoriels, en s'appuyant sur pgvector, sentence-transformers et ChromaDB pour l'indexation et la recherche sémantique.
La plateforme embarque également un module de transcription automatique de fichiers audio et vidéo (WhisperX, Faster-Whisper) couplé à un système de diarisation (Pyannote.audio) permettant d'identifier automatiquement les différents locuteurs dans un enregistrement.
Pour garantir la sécurité, j'ai mis en place un service d'authentification dédié basé sur JWT avec rotation des refresh tokens et détection de réutilisation frauduleuse.
Le traitement des fichiers volumineux est délégué à des workers asynchrones Celery et Redis, assurant une expérience utilisateur fluide même sur des traitements longs.
Le frontend React est servi via nginx, qui assure également le routage vers l'ensemble des microservices backend.

Compétences : Python · FastAPI · LangChain · LangGraph · React · PostgreSQL · pgvector · ChromaDB · Redis · Celery · Docker · Docker Compose · nginx · OpenAI API · HuggingFace · WhisperX · Faster-Whisper · Pyannote.audio · sentence-transformers · JWT · Architecture microservices · RAG · IA conversationnelle
RAG IA générative Chatbot IA Agents IA
Crédit agricole CAGIP
Automatisation des pipelines ESG et reporting environnemental sur Dataiku & Power BI
BANQUE & ASSURANCES
août 2025 - mars 2026 (7 mois)
Paris, France
Au sein de CAGIP (Crédit Agricole Group Infrastructure Platform), j'ai intervenu en tant que Data & BI Engineer sur un projet de reporting environnemental et de conformité ESG.
J'ai conçu et automatisé des pipelines de données sur Dataiku pour le calcul de l'empreinte carbone des applications internes du groupe. Ces pipelines couvraient l'ingestion, la transformation et la fiabilisation des données de production, réduisant significativement les traitements manuels et améliorant la qualité des données en sortie.
L'orchestration et la supervision des flux de données étaient assurées via Airflow et les scénarios Dataiku, garantissant la traçabilité et la fiabilité de l'ensemble des traitements.
J'ai mis en place des contrôles qualité systématiques ainsi que des processus CI/CD pour industrialiser les déploiements.
J'ai modélisé et conçu des dashboards Power BI pour la visualisation des indicateurs ESG, offrant aux équipes de reporting environnemental des indicateurs clairs, exploitables et conformes aux exigences du groupe. Un soin particulier a été apporté à l'UX/UI des dashboards pour faciliter leur adoption par les utilisateurs métiers.
J'ai également contribué à la mise en conformité des données avec les exigences de reporting environnemental du groupe Crédit Agricole.
Compétences : Dataiku · Python · PySpark · SQL · Power BI · Docker · CI/CD · Reporting ESG · Empreinte carbone · Data Quality · Data Governance · Modélisation de données · Visualisation de données
Dataiku ESG Data visualisation Spark Python
Capgemini Invent
Conception et déploiement d'agents IA pour l'évaluation de la sécurité des systèmes conversationnels
AGENCE & SSII
janvier 2025 - juillet 2025 (6 mois)
Paris, France
Dans le cadre d'un projet de R&D en sécurité IA chez Capgemini Invent, j'ai conçu et développé, au sein d'une équipe de 4 personnes, des agents intelligents capables de simuler des attaques par prompt injection sur des systèmes conversationnels d'entreprise.

L'objectif était d'évaluer leur robustesse, d'identifier les vulnérabilités et de qualifier les risques associés afin de proposer des mesures correctives.

Les agents ont été développés en Python à l'aide du framework Google ADK (Agent Development Kit), permettant de modéliser différents scénarios d'attaque et de mesurer la résistance des modèles cibles face à des tentatives de détournement.
J'ai mis en place l'infrastructure MLOps complète du projet : conteneurisation des services via Docker, déploiement sur AWS ECS, et mise en place d'un pipeline CI/CD via GitHub Actions pour garantir des livraisons fiables et reproductibles. La qualité du code était assurée par des tests unitaires systématiques avec Pytest et une gestion rigoureuse du versioning.
Pour le suivi opérationnel, j'ai développé une interface de supervision en temps réel avec Streamlit, permettant de monitorer le comportement des agents, de visualiser le taux d'attaques détectées et de cartographier les vulnérabilités identifiées. Les résultats étaient stockés dans MongoDB.
Ce projet a abouti à une cartographie complète des risques liés aux attaques par prompt injection et à un ensemble de recommandations concrètes pour renforcer la sécurité des systèmes conversationnels en entreprise.
Compétences : Python · Google ADK · Streamlit · MongoDB · Pytest · GitHub Actions · Docker · AWS ECS · CI/CD · Sécurité IA · Prompt Injection · MLOps · Agents intelligents · Évaluation de robustesse
Cloud AWS Agents IA Python Docker Sécurité IA