À propos de Raphael
Engineering Manager IA Générative | Industrialisation GenAI & Data | 20+ modèles en production
Depuis plus de 15 ans, j’accompagne les organisations dans la réussite de leurs projets IA & data, du cadrage technologique au déploiement à grande échelle.
Mon domaine : l’industrialisation de l’IA générative (LLM, RAG) et des produits data orientés métier, avec un souci constant de ROI mesurable, de gouvernance et de sécurité des données.
Ce que je vous apporte
- Cadrage & pilotage technologique : définition de la vision, feuille de route, jalons, gouvernance et KPI.
- Industrialisation GenAI (LLM, RAG) : sécurité, conformité, observabilité, optimisation des coûts.
- Data science & cloud computing : architectures scalables, pipelines MLOps, monitoring.
- Data visualisation & valorisation : démocratiser la donnée auprès des métiers, créer des dashboards pour piloter la performance IA.
- Conduite du changement & pilotage transverse : aligner IT, data, métiers et directions pour fluidifier les priorités et maximiser l’impact.
Exemples d’impact
- Trading algorithmique : passage de 0 à 200 M€ de volume d’affaires annuel.
- Mise en production de 20+ modèles IA avec pipelines robustes (MLOps).
- Déploiements à grande échelle : 4 500+ postes (mairies, ambassades), protocole 100 k+ utilisateurs.
- Livraison en environnements critiques : banque, finance, identité numérique, santé.
Ma manière de travailler
- Encadrement : connecter innovation, métier et tech pour accélérer la création de valeur.
- Value first : chaque solution IA doit générer un impact business clair et durable.
- Gouvernance, sécurité des données et maîtrise budgétaire intégrées dès le cadrage.
- Pragmatisme : livrer des produits IA fiables, scalables et maintenables, de la vision à la production.
Objectif : transformer vos ambitions IA en résultats concrets, sécurisés et mesurables.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
En télétravail uniquement
Travaille majoritairement à distance
Expériences
- KrnoChef de projet - IA & Data - GreenTechENVIRONNEMENTjuin 2024 - Aujourd'hui (2 ans)Paris, FranceKRNO fiabilise les diagnostics de performance énergétique (DPE) à partir de données publiques et d’IARôle & périmètre
- Pilotage transverse de la roadmap IA & data alignée produit (cadrage, priorisation, KPI de valeur)
- Cadre d’industrialisation GenAI (LLM/RAG) : sécurité, gouvernance des données, coûts, observabilité
- Orchestration des équipes (produit, data/IA, dev, design) et delivery
- Mise en place d’assistants d’analyse basés LLM pour interpréter les résultats et accélérer les usages
Résultats- Étude nationale “DPE de complaisance” (≈8 M de DPE analysés) : mise en évidence d’effets de seuil, couverture média (BFMTV), débat de filière (prise de position de la CDI) et évocation à l’Assemblée nationale lors des Questions au Gouvernement (6 fév. 2025)
- Service déployé (plateforme d’analyse & visualisation)
- Gains d’usage : interprétabilité renforcée via GenAI et accélération des analyses (LLM/RAG)
Technos (sélection)TypeScript/React, Python, AWS, Azure, OpenAI, Anthropic, Open Data, DataViz, Scrum - Acteur mondial des paiementsChef de projet - IA & Data - MonétiqueBANQUE & ASSURANCESmai 2025 - septembre 2025 (4 mois)Paris, FranceBesoin d’un agent conversationnel d’entreprise sécurisé, connecté à la connaissance propriétaire via RAG (Azure) pour accélérer la recherche d’informations et standardiser les réponses.Rôle & périmètre
- Cadrage et design d’architecture de bout en bout : ingestion/indexation (vector search), retrieval, orchestration LLM, évaluation et observabilité
- Définition de l’infrastructure Azure : services managés, identités managées/Key Vault, réseaux privés et politiques d’accès pour l’isolation des flux
- Mise en place des garde-fous : filtrage/score, règles d’usage et journalisation des prompts/outputs
- Gouvernance & sécurité des données (PII, rétention, régions)
Résultats- Passage du POC au pilote sur un périmètre métier prioritaire, avec KPI posés
- Cadre d’industrialisation documenté (sécurité, conformité, coûts, monitoring) et runbook de déploiement progressif
Technos (sélection)Azure OpenAI, Azure AI Search, storage sécurisé, API management, Datadog - Moojo.xyzChef de projets - Web3 & Privacy - AdTechHIGH TECHseptembre 2022 - février 2025 (2 ans et 4 mois)Paris, FranceMoojo développe un protocole publicitaire décentralisé alignant marques et consommateurs avec un fort enjeu de confidentialité (privacy-by-design).Exploration et usage de ZK Proofs (preuves à divulgation nulle de connaissance) et zkML pour concilier vérifiabilité et protection des donnéesRôle & périmètre
- Pilotage transverse (produit, dev, data, crypto) et cadrage des objectifs business/tech (KPI d’adoption & de qualité)
- Due diligence des écosystèmes L1/L2 et définition de l’architecture on-chain / off-chain (sécurité, coûts, scalabilité)
- Gouvernance : principes de confidentialité, conformité et gestion des risques
- Supervision du build : smart contracts, intégration ZK Proofs, exploration zkML pour cas d’usage IA
- Developer Experience : SDK / API et outillage pour accélérer l’intégration partenaires
Résultats- Protocole déployé ; 100 000+ utilisateurs onboardés
- Parcours d’intégration partenaires rationalisé (doc & SDK), meilleure prévisibilité des releases
Technos (sélection)Solidity, Hardhat, TypeScript, Viem, Ethereum, Arbitrum, Arweave, Oasis (L1 privacy-first), ZK Proofs, zkML
Recommandations
RA
EB
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Ingénieur Informatique et ElectroniqueTechnion (école d'application Polytechnique)2004Cum Laude
- Master InformatiqueThe Hebrew University of Jerusalem2008Intelligence Artificielle
Certifications
- SAFe 6 Practice Consultantscaledagile.com2024