About Clément
Forward Deployed Engineer (FDE) | GenAI en production
Vous avez un cas d'usage IA qui a décollé en interne — un agent conversationnel sur vos data métier, un assistant sur votre base documentaire, une automatisation de workflow. C'est devenu utile, parfois critique. Reste à le passer en production : personne dans l'équipe n'en a le temps ni l'expérience.
C'est le métier d'un Forward Deployed Engineer : je m'installe dans vos équipes, je traduis votre problème métier en système IA, et je le construis dans votre infra — du POC au MVP jusqu'en prod. Pas une démo : du code qui tourne chez vous, sous vos contraintes (backend, intégration d'API, orchestration LLM, agents).
Et surtout, votre IA devient fiable : l'observabilité LLM (LLMOps) vous dit quand elle dérive, et pourquoi.
Chez Club Med, pendant près de 2 ans, j'ai posé les fondations de leur IA générative en production : un système conversationnel RAG + multi-agents, avec :
— l'observabilité Langfuse pour tracer chaque étape de raisonnement et repérer les dérives ;
— des tests de non-régression notés par un second LLM (LLM-as-judge) ;
— une gateway multi-modèles pour changer de modèle à la volée (OpenAI, Anthropic, Mistral…) sans toucher au code, et router chaque requête vers le modèle le moins cher adapté — −50 % de coûts d'inférence.
Selon où vous en êtes, trois niveaux :
1. Audit : votre IA est-elle prête pour la prod ? Vous repartez avec un diagnostic et un plan chiffré.
2. Industrialisation : mise en prod complète — observabilité, évals, CI/CD, isolation des env, sécurisation du code IA.
3. FDE à temps partagé : quelques jours par mois pour le faire évoluer et le garder fiable.
Vous gardez un spécialiste embarqué sans le coût d'un temps plein.
Un cas d'usage IA à passer en production ? Dites-moi où vous en êtes en trois lignes. Je réponds dans l'heure.
French
Native or bilingual
English
Native or bilingual
Can work on-site
Paris (up to 50km), Bordeaux (up to 50km), Lyon (up to 50km), Nantes (up to 50km), Marseille (up to 50km)
Experience
- Plateforme de l'inclusion
On Malt
AI Engineer | LLMOps, Agents & EvalPUBLIC SECTORJune 2026 - Today (1 month)Paris, France🎯 Objectif de la missionAudit et industrialisation, en ingénieur IA embarqué (Forward Deployed Engineer), d'Autometa — l'assistant conversationnel GenAI interne du GIP Plateforme de l'Inclusion (beta.gouv.fr) qui transforme des questions en langage naturel en data, rapports et dashboards à partir de Matomo et Metabase. Enjeu : faire passer un POC porteur en production fiable — socle DevOps, qualité des dashboards IA et robustesse du système agentique.🔧 Réalisations- Audit de la constitution technique et de la qualité des dashboards IA, correction des micro-bugs, et cadrage du socle DevOps (déploiement automatisé, isolation des environnements dev/test/prod, hébergement).
- Industrialisation de la couche GenAI : bascule multi-modèles (Anthropic Claude ↔ Ollama Cloud ↔ Scaleway GenAI API) par redirection d'endpoint, sans toucher au code applicatif, pour arbitrer coût/qualité.
🧰 Stack technique- Backend : Python 3.14, FastAPI, Uvicorn, SQLAlchemy, Alembic, Jinja2
- GenAI / LLMOps : Claude (Claude Code en mode agentique), Ollama Cloud, RAG, skills/agents, évals LLM-as-judge
- Données : PostgreSQL, Redis, Matomo, Metabase
- Front : htmx, Bootstrap, Mermaid
- DevOps / Infra : GitHub Actions, Scalingo (PaaS), Scaleway (Object Storage, Functions), Docker, oauth2-proxy
- Qualité / Sécu : pytest, Ruff, Bandit, Gitleaks, Sentry, OpenTelemetry
- Club MedAI Engineer | RAG, Agents & LLMOpsENTERTAINMENT AND LEISUREMay 2023 - June 2025 (2 years and 1 month)Paris, France🎯 Objectif de la missionConception et mise en production, sur 2 ans, d'une plateforme backend d'IA générative pour le Global Marketing Digital & Technology de Club Med : ingestion documentaire, RAG complet, orchestration multi-agents, gateway LLM multi-modèles (LiteLLM), exposition de la data via des APIs internes, et automatisation d'une infrastructure cloud scalable avec une démarche FinOps.🔧 Réalisations
- Conception et mise en production d'une plateforme d'IA générative complète : ingestion documentaire, RAG complet, orchestration multi-agents et gateway LLM multi-modèles via LiteLLM — 2 ans en production auprès des équipes Global Marketing.
- Monitoring et observabilité LLM (Langfuse) : suivi des coûts, latences, qualité de génération et détection des dérives en production.
- Tests de non-régression et évaluation automatisée des réponses LLM (Promptfoo, approche LLM-as-judge) : un second modèle note les sorties pour verrouiller la qualité à chaque évolution du système.
- Développement d'APIs Python / FastAPI pour exposer la data en libre-service aux équipes métier — services backend conteneurisés, déployés en continu sur le cloud.
- Stratégie FinOps sur le périmètre GCP : -50 % de coûts cloud sans dégradation de service, dont l'optimisation des coûts d'inférence LLM (caching, batching, modèles calibrés par tâche).
- Automatisation de l'infrastructure cloud en IaC (Terraform) et industrialisation des pipelines CI/CD.
🧰 Stack technique- Backend : Python (FastAPI, uv, Streamlit), SQL, Bash
- IA générative : LiteLLM, LangChain, ChromaDB, Vertex AI, Flowise, Langfuse
- Cloud & Data : GCP (BigQuery, Dataform, Cloud Run, Vertex AI, Workflows, CloudSQL)
- Conteneurisation : Docker, Docker Compose, Ansible
- IaC & CI/CD : Terraform, GitLab, GitHub
- Livetrend.coCloud Engineer | Multi-Cloud GCP/AWS & PostgreSQLFASHION AND COSMETICSMarch 2025 - May 2025 (2 months)Paris, France🎯 Objectif de la missionÉvaluer AlloyDB (GCP) comme alternative rentable à Aurora (AWS) pour Livetrend.co (mode B2B) en reproduisant une configuration de production réaliste multi-cloud, avec refonte de la connectivité inter-cloud et adaptation des jobs backend pour garantir l'équité des comparaisons.🔧 Réalisations
- Architecture réseau inter-cloud opérationnelle (VPN haute dispo + routage BGP) pour sécuriser les flux backend entre GCP et AWS
- Déploiement d'un cluster AlloyDB managé équivalent à Aurora pour benchmark à iso-configuration
- Adaptation des jobs ETL backend (orchestrés via Prefect) pour s'exécuter dans le nouveau VPC + interaction avec AlloyDB
- Résolution des problématiques réseau backend (DNS, montage inter-VPC, réplication EFS) pour fiabiliser l'ingestion data
- Validation d'AlloyDB pour la production avec meilleur rapport performance/coût + identification des points bloquants d'une migration à grande échelle
🧰 Stack technique- Backend Data : PostgreSQL (AlloyDB, Aurora)
- Cloud GCP : AlloyDB, Cloud VPN, Cloud Router, VPC
- Cloud AWS : ECS, EFS, Aurora PostgreSQL
- Réseau : HA-VPN, BGP, Site-to-site VPN, VPC Peering
- Orchestration : Prefect
Reviews
Recommendations
These freelancer profiles also match your criteria
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
Education
- Diplôme d'ingénieur, GénéralisteEcole Centrale de Marseille2022Diplôme d'ingénieur, Généraliste