Description

Vous cherchez un expert pour concevoir et déployer une architecture RAG end-to-end en entreprise ? Construire des pipelines LLM robustes pour vos projets GenAI ? Intégrer l'IA générative à vos workflows métier ?

Avec près de 10 ans d'expérience en environnements exigeants (Sanofi, BNP Paribas CIB, Société Générale), j'interviens sur vos projets d'IA Générative et de Data Engineering, du cadrage à la mise en production.

🚀 Ce que j'apporte concrètement :

Actuellement chez Sanofi : Conception et développement de l'architecture RAG complète pour une plateforme GenAI pharmaceutique (parsing, chunking, embedding, vector store, retrieval, génération LLM). Azure OpenAI, AWS Bedrock, Pinecone, observabilité Weave/W&B.

IA Générative & RAG : Déploiement d'une plateforme RAG d'assistance documentaire chez BNP Paribas avec une réduction de 90% du temps de recherche. LangChain, LangGraph, Vector DB, FastAPI.

Data Engineering : Pipelines end-to-end AML & Fraud Detection traitant 50M+ transactions/jour. Spark, Kafka, Kubernetes, AWS.

Leadership technique : Constitution et management d'une équipe de 7+ personnes (Data Engineers, DevOps, BA). Code reviews, décisions architecturales, mentoring.

ML en production : Modèle de détection de fraude (GBM/H2O) déployé en production à la Société Générale.

📦 Stack technique : Python, LangChain, LangGraph, Azure OpenAI, AWS Bedrock, Pinecone, FAISS, S3 Vectors, Scala, Spark, Kafka, FastAPI, Kubernetes, Docker, Terraform, Databricks, Weave/W&B, Snowflake.

🎯 Secteurs : Pharma, Banque, Finance, Assurance | Disponible | Île-de-France & Remote

Domaines d’expertise

Langues

Anglais
Bilingue ou natif
Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km), Lyon (jusqu’à 50 km), Lille (jusqu’à 50 km), Nanterre (jusqu’à 50 km), Bordeaux (jusqu’à 50 km)

Sanofi Accelerator
Sanofi - Data & AI Engineer
INDUSTRIE PHARMACEUTIQUE
avril 2026 - Aujourd'hui (2 mois)
Paris, France
Contexte :
Plateforme GenAI pour la génération automatisée de documents réglementaires (Clinical Trial Documents) dans l'industrie pharmaceutique. Environnement de production critique avec exigences strictes de traçabilité, sécurité et conformité.
Réalisations :

Conception et développement de l'architecture RAG end-to-end : parsing de documents, chunking, embedding, vector store (Pinecone, S3 Vectors), retrieval et génération LLM
Intégration de modèles LLM en production : Azure OpenAI (GPT-4o), AWS Bedrock (Claude)
Architecture d'observabilité des pipelines LLM avec Weave/W&B : tracing step-by-step pour les équipes Data Science
Optimisation des performances : remplacement FAISS par S3 Vectors pré-calculés, réduction des coûts de ~70%
Refactoring de l'architecture backend vers DDD-light : résolution de 12 findings d'audit
Rédaction de specs techniques (design doc 16 sections) alignant Data Science, Data Engineering et Backend
Configuration multi-environnements (dev/test/prod) avec Pinecone et EventBridge

Stack technique :
Python 3.12 · FastAPI · AWS (Lambda, Step Functions, ECS, S3, Bedrock) · Azure OpenAI · LangChain · Pinecone · Weave/W&B · Terraform · Docker · GitHub Actions · Snowflake · NestJS · React · TypeScript
Langchain Retrieval-Augmented Generation (RAG) Python AWS intelligence artificielle
BNP Paribas CIB
Senior Data & AI Engineer
BANQUE & ASSURANCES
mai 2022 - février 2026 (3 ans et 9 mois)
Pantin, France
Intervention sur les projets Data Engineering et IA Générative de l'équipe IT Trade Finance, sur les périmètres AML (Anti-Money Laundering) et Fraud Detection.

📊 Projet Data — Pipelines AML & Fraud Detection
Développement de pipelines end-to-end traitant des millions de transactions : ETL, transformation, scoring et génération d'alertes.
→ Optimisation Spark (tuning avancé, gestion du data skew)
→ Intégration Quantexa pour graphes relationnels et enrichissement contextuel des alertes
→ Déploiement cloud privé avec Kubernetes, Skaffold, Kustomize

👥 Mise en place et structuration d'une nouvelle équipe Data Engineering
Pilotage de la création from scratch d'une équipe data de 7+ personnes : définition des besoins, recrutement, onboarding et montée en compétences.
→ Création et scaling d'une équipe offshore en Inde (4 Data Engineers, 1 DevOps, 1 BA, 1 PO)
→ Mise en place des standards de développement, patterns architecturaux et bonnes pratiques
→ Encadrement technique au quotidien : code reviews, décisions architecturales, mentoring

🤖 Projet IA Générative — Plateforme RAG d'assistance documentaire
Conception et déploiement d'une plateforme conversationnelle permettant d'interroger en langage naturel toute la documentation projet (Confluence, Jira, Elasticsearch, emails).
→ Réduction de 90% du temps de recherche d'information pour les équipes
→ Pipeline de vectorisation multi-sources, base de données vectorielle, orchestration LLM via LangChain avec prompt engineering et stratégies de retrieval optimisées
→ API backend Python/FastAPI, déploiement Kubernetes

Stack : Python, LangChain, LangGraph, FastAPI, Elasticsearch, Vector DB, Scala, Spark, Kafka, Kubernetes, AWS, S3, Quantexa, ELK, RAG
Spark RAG Langchain Scala Python
Bedrock streaming
Senior Data engineer
PRESSE & MÉDIAS
janvier 2022 - mai 2022 (4 mois)
Lyon, France
Mission freelance au sein de l'équipe A/B Testing, sur les plateformes de streaming M6+, RTL+ Hungary et Videoland.

📊 Pipelines Data multi-plateformes
Conception et développement de pipelines temps réel et batch pour l'expérimentation et l'analytics sur plusieurs plateformes de streaming internationales.
→ Ingestion de volumes élevés d'événements utilisateur via AWS Glue, EMR et Athena
→ Workflows scalables avec Spark et Databricks pour fiabiliser les métriques d'expérimentation
→ Automatisation de l'infrastructure via Terraform et pipelines CI/CD (Jenkins, GitHub Actions)

Stack : AWS (Glue, EMR, Athena), Terraform, Python, Scala, Spark, Databricks, Airflow, Docker, Jenkins, GitHub Actions, Iceberg, dbt
Terraform Spark Python AWS Databricks