Expériences

Mon parcours en data et IA, entre R&D LLM, assistant IA métier et mise en production de solutions concrètes.

Développement d’un système de routage intelligent entre plusieurs LLMs (GPT-4, Claude, Mistral, etc.) permettant de sélectionner dynamiquement le modèle le plus adapté selon la tâche, le coût et les contraintes de sécurité.

  • • Conception d’un benchmark multi-critères combinant qualité, coût et sécurité.
  • • Évaluation automatique sur MMLU, GSM8k, MT-Bench, AdvBench, TruthfulQA — métriques : accuracy, LLM-as-a-judge, jailbreak rate, ROUGE, BLEU.
  • • Routage dynamique : optimisation qualité / coût / sécurité en fonction du contexte d’usage métier.
  • • Présentation du poster "Towards Trustworthy and Efficient Smart Routing for LLMs" lors de la conférence Trustworthy AI Summit 2025.
  • • Participation à un hackathon “Responsible AI” (2ème place), création d’un label IA responsable.
  • • Travail exploratoire sur les IA agents (agentic) en code et no-code (n8n).
Python Smart Routing Gitlab LLM Benchmark R&D
Présentation Smart Router
Poster Smart Router
Trustworthy AI Summit 2025
📄 Télécharger le résumé du poster

Conception d’un assistant médical intelligent pour aider les médecins à consulter rapidement les informations critiques d’un dossier patient.

  • • Développement d’un chatbot RAG avancé (Streamlit + LangChain) capable de répondre aux questions des médecins sur un patient précis.
  • • Extraction, nettoyage et vectorisation d’informations issues de documents PDF médicaux via FAISS.
  • • Génération de résumés ciblés (antécédents, allergies, traitements en cours) pour accélérer la prise de décision médicale.
  • • Gestion des longs dossiers patients avec une approche Map-Reduce pour conserver la cohérence clinique.
  • • Refactorisation du code en modules réutilisables → déploiement possible sur plusieurs services internes (industrialisation).
Python LangChain / Transformers FAISS Streamlit / Gradio MapReduce LLM

Parcours en data & IA appliquée, enseigné en anglais dès la L1. Spécialisation DataBIA en dernière partie de cursus.

Cours principaux : Machine Learning - Data Visualization - Data Processing - Data Analytics - Data Mining - Data Storage - System Modeling - Databases - Data IA - Data Science

Échange académique en anglais dans une école d’ingénieurs polonaise reconnue.

  • •Web Programming
  • •Java & UML
  • •Computer Architecture
  • •Travail avec des équipes internationales, en conditions réelles (anglais).