Souheil B.

Au sein d’IALab, j’interviens en tant que Ingénieur IA/ML freelance pour concevoir et déployer des solutions IA métier sur-mesure (NLP, OCR, vision par ordinateur, IA générative), permettant d’automatiser des processus critiques et d’apporter un véritable retour sur investissement.

J’ai pris en charge l’ingénierie complète des modèles IA : définition du périmètre, collecte et annotation de données, entraînement et fine-tuning de modèles pré-existants ou spécialisés (transformers, détecteurs YOLOv8, générateurs de texte), jusqu’à la mise en production.

Pour exposer ces capacités IA, j’ai structuré et conçu des APIs performantes avec FastAPI, SQLAlchemy et SQLModel, connectées à des bases de données relationnelles selon les besoins (PostgreSQL, MySQL, etc.).

Le déploiement est assuré via des architectures cloud scalables et containerisées : j’ai orchestré les environnements Docker, déployé sur Azure, GCP et AWS selon les contraintes clients, tout en intégrant les pratiques MLOps (CI/CD, monitoring, versioning des modèles et des données).

Au-delà du pur développement, j’ai activement participé à la gestion agile de projets IA, en collaborant avec les parties prenantes métiers pour définir les indicateurs clés de succès (KPIs), structurer les itérations sprint, et assurer la montée en charge.

Ce rôle m’a permis de développer une expertise multidisciplinaire : Python avancé, Data engineering, Machine learning & deep learning, NLP & OCR, vision par ordinateur, cloud computing, MLOps... Avec un objectif constant : transformer la promesse de l’IA en valeur concrète pour les entreprises.

• Étude et conception d’une architecture de chatbots IA destinée à étendre les offres du service SAVE aux différents métiers du groupe.

• Exploration et intégration de Dialogflow CX (Google Cloud Platform) pour la création de chatbots intelligents basés sur des arbres de décision et des modèles NLP.

• Développement de fonctionnalités backend en Python et Google Cloud Functions, permettant la gestion dynamique des conversations et l’interconnexion avec les systèmes internes.

• Mise en place d’un environnement Cloud sécurisé et scalable (GCP, IAM, Cloud Storage) pour le traitement et l’analyse des données conversationnelles.

• Rédaction de documents techniques détaillant l’architecture, la gestion des permissions, la sécurité des données et les bonnes pratiques Cloud & IA.

Dans le cadre de l’EIP d’Epitech, j’ai participé à la conception de Tetra (TRIA), une photothèque logicielle intelligente exploitant les dernières avancées en intelligence artificielle et vision par ordinateur pour la détection et classification d’objets dans des images.

Mon rôle consistait à développer et entraîner des modèles de Deep Learning basés sur YOLOv8 (Ultralytics) en Python, capables d’identifier automatiquement différents types d’éléments visuels (visages, personnes, paysages, objets, etc.) avec un haut niveau de précision.

J’ai conçu une pipeline IA complète intégrant le prétraitement des données, l’inférence en temps réel, la génération de prédictions JSON et la gestion des modèles avec DVC (Data Version Control). L’environnement de développement repose sur les bonnes pratiques de MLOps : tests unitaires (Pytest), analyse statique du code (Pylint), formatage automatique (Black, isort) et gestion de versions reproductible.

Plusieurs modèles spécialisés ont été entraînés et optimisés (yolo_detect_face_v1_best.pt, yolo_detect_men_women_v1_best.pt, yolo_detect_paysage_v1_best.pt) selon les cas d’usage, garantissant une détection rapide et fiable.

Ce projet m’a permis de renforcer mes compétences en Deep Learning, Computer Vision, Machine Learning appliqué à l’image, traitement de données, industrialisation de modèles IA et architecture logicielle Python, tout en travaillant sur un environnement structuré et modulaire orienté Cloud et production.