Description

Ingénieure IA spécialisée en IA générative (LLM, RAG, agents), j’accompagne les équipes métiers et techniques dans la conception et le déploiement de solutions d’IA générative, du cadrage du besoin jusqu’à la mise en production.

Mon approche repose sur une collaboration étroite avec les équipes métiers afin de bien comprendre leurs processus, identifier les cas d’usage pertinents et concevoir des solutions réellement utiles et adoptées.

J’interviens sur l’ensemble du cycle d’un projet IA :

analyse du besoin, conception d’architectures LLM, développement, évaluation et industrialisation.

J’ai notamment travaillé sur :

Des assistants documentaires métier basés sur RAG avancé
Des systèmes permettant d’interroger la donnée en langage naturel (Text-to-SQL)
Des workflows agents LLM multi-étapes pour automatiser certaines tâches complexes
Des pipelines d’évaluation et d’optimisation coût / performance pour les systèmes LLM

Ces solutions ont été déployées en production dans des environnements cloud et on-premise, avec des contraintes fortes (finance, paiement, fraude).

Industry field of expertise

Languages

French
Native or bilingual
English
Fluent

Workplace preferences

Can work on-site

Paris (up to 50km)

BPCE Payment Services
Ingénieure IA / IA Générative
BANKING AND INSURANCE
April 2023 - Today (3 years and 2 months)
Charenton-le-Pont, France
Conception, développement et industrialisation de systèmes d’IA générative en production sur GCP et environnements on-prem contraints.

Text-to-SQL multi-domaines (Interrogation en langage naturel)

Conception d’une solution généralisable permettant à des profils non technique d’interroger leurs données en autonomie

• Architecture multi-RAG : documentation métier + schémas BigQuery + exemples few-shot
• Indexation vectorielle PostgreSQL (pgvector) avec recherche sémantique + filtrage par métadonnées & gestion des droits
• Génération SQL via LLM (GPT, Gemini) + expérimentations de fine-tuning open-source
• Pipeline de pré-exécution BigQuery : estimation des coûts, détection d’erreurs, auto-correction par LLM
• Évaluation continue : feedback utilisateur, Schema Linking Accuracy
• Déploiement sur GCP (Cloud Run, GKE, Vertex AI)
• Animation d’ateliers Prompt Engineering pour adoption métier

Stack : LangChain, Haystack, GCP, BigQuery, PostgreSQL/pgvector, Python

Assistant Paiement – RAG avancé

Développement d’un assistant centralisant la documentation technique, réglementaire et métier.

• Pipeline RAG multi-étapes : query analysis, retrieval hybride, reranking cross-encoder, expansion parent-child
• Parsing documentaire avancé (Azure Document Intelligence) avec reconstruction hiérarchique
• Traitement tableaux & images via LLM multimodal
• Pipeline d’évaluation : DeepEval, Ragas, LLM as a Judge + feedback utilisateur
• Industrialisation complète sur OpenShift avec CI/CD (Jenkins, Artifactory, XL Deploy/Release)

Stack : LangChain, Azure DI, OpenShift, Jenkins, Python, React
Prompt engineering Agent IA RAG
Microsoft
Projet de fin d’étude pour l’association ALIS
October 2022 - March 2023 (5 months)
Conception d’un prototype de communication alternative augmentée pour des personnes atteintes du Locked-in Syndrome
Implémentation de modèles de NLP conversationnel pour la génération de réponses contextualisées et la prédiction de texte
Expérimentation de BERT, GPT-2 et DialoGPT pour l’adaptation du langage au contexte de discussion
Intégration d’une interface utilisateur, précédée d’un travail UX, orientée accessibilité et personnalisation