Disponible pour opportunités en CDI / Contrats
Je conçois des architectures LLM de bout en bout : de l'ingestion de données complexes à l'orchestration d'agents autonomes, avec une obsession pour la mesure des performances et l'optimisation des coûts industriels. Mon objectif : transformer les prototypes IA en solutions de production fiables et scalables.
01 · retrieve
Pipeline RAG local et souverain : chunking sémantique, retrieval hybride, reranking et framework d'évaluation chiffrée.
Optimisation du recall via la fusion de rang (RRF) combinant recherche dense (embeddings) et creuse (BM25), suivie d'un filtrage par cross-encoder. Le pipeline intègre une validation quantitative rigoureuse (fidélité de la réponse et pertinence du contexte) pour éliminer les hallucinations en amont.
02 · generate
Fine-tuning QLoRA de Qwen2.5-3B pour l'extraction de schémas JSON structurés à partir de données textuelles brutes.
Spécialisation d'un LLM compact pour surpasser les modèles commerciaux généralistes sur des tâches d'extraction strictes. Inclut un benchmark complet des coûts de compute, des matrices de validation du format, ainsi qu'une configuration de service optimisée pour la production via vLLM et conteneurisation Docker.
03 · orchestrate
Agent LLM multi-outils (SQL, APIs, moteurs de calcul) avec boucles d'orchestration personnalisées et comparatif LangGraph.
Développement "from scratch" d'un moteur de boucles ReAct pour assimiler les concepts fondamentaux (gestion d'état, mémoire court/long terme, fallbacks), mis en miroir avec une architecture de graphe cyclique sous LangGraph. Conçu pour garantir la résilience de l'agent face aux échecs d'appels d'outils.
04 · evaluate
Framework d'observabilité LLM (LLM-as-a-judge + guardrails) connecté à un tracking Langfuse et un dashboard analytique Power BI.
Mise en place d'une stack de monitoring pour auditer la qualité des réponses en production. Capture et centralisation des logs de requêtes pour analyser en temps réel la latence token/s, le coût financier des prompts et le taux d'erreur, traduits en indicateurs business clés sur Power BI.
05 · apply
Outil open source d'agrégation et d'uniformisation de données de tarification pour la recherche en chimie.
Solution répondant à un besoin métier concret en automatisant la collecte et la standardisation de catalogues de prix issus de plus de 100 fournisseurs (ChemSpace, Mcule, Molport). Projet activement suivi par la communauté avec une gestion rigoureuse d'APIs et de pipelines de parsing.
stack
06 · connect
Disponible pour échanger sur des architectures de production Generative AI ou des opportunités d'ingénierie.