// parcours

Parcours & Expériences

3 ans d'expériences IA en production, de l'Algérie à Paris.

// expériences

Parcours Professionnel

Zaivio

Ingénieur IA Générative

2024/09 → 2025/12CDD

📍 USA (Remote) · 15 mois

Conception et livraison de 3 solutions GenAI end-to-end en 15 mois pour une startup américaine, en remote total. Autonomie complète sur des projets allant du monitoring e-réputation à l'assistant médical IA.

PythonLangChainLangGraphOpenAIFastAPINext.js+5

Publicis Sapient

Consultant Data Science / AI Engineer

2024/06 → 2024/08Mission

📍 Paris · 3 mois

Livraison d'un outil IA générative pour un groupe CAC 40, atteignant 90% de précision sur la détection de greenwashing. Collaboration avec une équipe pluridisciplinaire de +10 personnes.

PythonGPT-4GPT-4oPrompt EngineeringGitJira+1

Epsilon France

Data Scientist / AI Engineer

2024/04 → 2024/06Mission

📍 Paris · 3 mois

Automatisation de l'analyse d'appels d'offres avec 50% de réduction du travail manuel. Outil RAG déployé et évalué avec des métriques qualité rigoureuses.

PythonLangChainHugging FaceAzure OpenAIRAGPrompt Engineering+1

Biopharm

Machine Learning Engineer

2023/02 → 2023/07Mission

📍 Algérie · 6 mois

Livraison d'une solution ML complète (modèle + interface) permettant une planification précise des achats de pièces de rechange et réduisant les coûts de sur-stockage.

PythonScikit-LearnTensorFlowPandasTkinter

Jumia

Machine Learning Engineer

2022/03 → 2022/07Mission

📍 Algérie · 5 mois

Outil de prédiction du churn vendeurs à 80% de précision, permettant aux équipes commerciales de cibler les actions de rétention.

PythonScikit-LearnStreamlitPandasJavaScript

// journal de bord

Build in Public

Décisions, bugs, apprentissages et milestones en temps réel.

🎯

decision2026-02-15#ai-e-learning-platform

Milvus vs Pinecone : pourquoi j'ai choisi le self-hosted pour le RAG

Le choix Pour la base vectorielle de AI-E-Learning-Platform, j'avais le choix entre **Pinecone** (SaaS, zéro config) et **Milvus/Zilliz** (self-hosted ou serverless). Option A : Pinecone - ✅ Setup en 5 minutes, API simple - ✅ Pas de gestion d'infra - ❌ Coût élevé à l'échelle (par vecteur stocké) -...

#RAG#Vector DB#Architecture#Decision

📚

learning2024-06-10

HyDE vs RAG Fusion : ce que j'ai appris chez Epsilon France

Contexte Chez Epsilon France, j'ai dû optimiser un système RAG pour l'analyse d'appels d'offres techniques. Deux techniques avancées s'affrontaient. HyDE (Hypothetical Document Embeddings) Génère un document hypothétique qui répondrait à la question, puis recherche par similarité avec ce document....

#RAG#HyDE#RAG Fusion#Learning#Epsilon France

🔄

iteration2024-07-20

De 67% à 90% : l'itération sur les prompts de classification Anti-Greenwashing

Avant — Prompt v1 (67% de précision) Description générale des règles déontologiques publicitaires. Le modèle généralisait trop et ne détectait pas les formulations subtiles de greenwashing. Problème identifié Le modèle ne distinguait pas les nuances entre : - Greenwashing explicite ("100% écologi...

#Prompt Engineering#Iteration#Classification#Publicis Sapient

🏁

milestone2024-06-28

Milestone : 50% de travail manuel éliminé grâce au RAG chez Epsilon France

Le résultat Le système RAG d'analyse des appels d'offres est passé en production chez Epsilon France. Résultat mesuré après 2 semaines d'utilisation : **50% de réduction du temps de traitement manuel** des critères de conformité. Ce qui a rendu ça possible 1. Pipeline RAG optimisé (RAG Fusion > Hy...

#Milestone#RAG#Production#Impact#Epsilon France

// certifications

Certifications

Dataiku Core Designer

Dataiku

Dataiku ML Practitioner

Dataiku