[nom]

Ingénieur IA – Systèmes LLM en production et AI Agents (GenAI)

Casablanca, Maroc – Mobilité France – Disponible à partir du 15/07/2026

[téléphone] – [e-mail]

LinkedIn : [lien] – GitHub : [lien] – Portfolio

PROFIL

Ingénieur IA diplômé de l’ENIAD (promotion 2026), spécialisé dans la conception et le déploiement de systèmes

LLM production-grade : Agentic RAG, AI Agents, guardrails, évaluation LLM-as-Judge et observabilité. A porté un système GenAI du POC jusqu’à la production chez un client réel, avec un impact business mesuré. Recherche un premier poste d’ingénieur IA/GenAI pour mettre en production des systèmes LLM sur des cas d’usage variés.

EXPÉRIENCE PROFESSIONNELLE

Ingénieur IA – AI Agent pour Qualification et Décision Immobilière · Fév – Juin 2026

BAAM Construction – Marrakech – Stage PFE

• Conçu et déployé un AI Agent multi-tenant sur WhatsApp (machine à états à 6 phases, persistance Redis) pour qualifier les prospects de 3 projets immobiliers : 833 leads générés en 32 jours, taux de conversion session–lead de 78.5%
• Optimisé les coûts d’inférence via un intent classifier hybride à 3 couches (regex multilingues FR/AR/darija/EN, similarité cosine, fallback LLM) sur un RAG PostgreSQL/pgvector (index HNSW, embeddings Gemini) : ∼70% des messages filtrés à coût nul, $17.45 pour 8 795 requêtes
• Développé 27 guardrails anti-injection multilingues (51 injections bloquées), un self-evaluator anti-hallucination et un circuit breaker avec retry exponentiel et déduplication Redis : 99.7% d’uptime
• Mis en place un pipeline d’évaluation LLM-as-Judge sur 5 critères et un A/B testing déterministe (bucketing MD5) : précision multilingue FR 96.3%, AR/darija 93.7% (26 356 observations Langfuse)
• Intégré 3 tools via Function Calling (CRM Odoo anti-doublon, localisation GPS) et le traitement multimodal audio/image/vidéo : 345 visites confirmées, 1 031 téléphones uniques qualifiés
• Assuré l’observabilité complète (Langfuse, Prometheus, logs JSON structurés, endpoint GDPR Art. 17) : latence moyenne 2.7 s vs 2–4 h de traitement manuel, couverture 24/7, -94% de coût par lead
• Stack : Python, FastAPI, PostgreSQL 16 + pgvector, Redis, Gemini 2.5 Flash/OpenAI, SQLAlchemy 2.0, Langfuse, Prometheus, Docker Compose, Pydantic – 8 000 LoC, SonarQube Grade A (Security A, 0 CVE)

Ingénieur IA – Système OCR Intelligent Multi-Documents · Juil – Oct 2025

Exakis Nelite (Microsoft Partner) – Casablanca – Stage PFA

• Conçu une architecture end-to-end combinant OCR multimodal (Gemma3 27B) et LLM (Llama-3.3-70B) pour extraire les données de 4 types de documents administratifs marocains en FR/AR/EN : 85–92% de précision, 4.5–6.2 s par document
• Automatisé la classification documentaire par LLM (6 prompts métier) avec extraction JSON structurée, fallback regex et validation croisée Pydantic
• Construit une interface Streamlit (monitoring batch, édition manuelle, export multi-format) et un dashboard Plotly avec 15+ KPIs temps réel
• Déployé en production : Docker Compose, Nginx SSL/TLS, CI/CD GitHub Actions, Azure App Service
• Stack : Python, Streamlit, Ollama, Groq API, Pydantic, SQLite, Plotly, Docker, Nginx, Azure

ML Engineer – Classification 3D Dentaire · Juin – Sept 2024

3D Smart Factory – Casablanca – Stage

• Développé un ConvNet 3D classifiant 32 types de dents à partir de maillages .obj (augmentation 3D, SMOTE, cross-validation k-fold, tracking MLflow) : 97% accuracy, F1-score 0.95
• Déployé le modèle en production via API REST (FastAPI)
• Stack : Python, PyTorch, trimesh, Open3D, MLflow, FastAPI, Scikit-learn

Ingénieur Computer Vision – Reconstruction 3D Interactive · Mars – Mai 2024

HGS-Hightech – Stage à distance

• Développé un pipeline complet de 3D Gaussian Splatting reconstruisant des scènes produit photoréalistes à partir de 80–120 images : entraînement en ∼20 min vs plusieurs heures pour NeRF
• Intégré un viewer 360° temps réel dans la plateforme (60+ FPS) : mise en ligne réduite de 2 jours à ∼1 h
• Stack : Python, 3DGS, COLMAP, OpenCV, WebGL, Three.js, REST API

PROJETS PERSONNELS

[lien] – SaaS de digitalisation pour TPE marocaines · En production

[lien] – Projet personnel

• Développé et déployé 22 modules métier : POS, carte NFC, WhatsApp bot darija, OCR de factures via GPT-4o Vision, dashboard analytique temps réel
• Stack : FastAPI, React, PostgreSQL, TimescaleDB, Redis, Weaviate, Celery

COMPÉTENCES TECHNIQUES

• Spécialisation : GenAI, Systèmes LLM de production, AI Agents, Agentic RAG, LLM-as-Judge, Prompt Engi- neering
• LLMs/NLP : RAG, LangChain, CrewAI, MCP (Model Context Protocol), Function Calling, Multi-Agent Systems, Embeddings, Guardrails, pgvector, FAISS, spaCy, NLTK
• IA/ML : Python, PyTorch, Scikit-learn, Transformers, Hugging Face
• Vision : OpenCV, YOLO, CNN, OCR, Segmentation, Diffusion Models, 3D Gaussian Splatting, Open3D, trimesh
• MLOps : Docker, Kubernetes (notions), Git, CI/CD (GitHub Actions), MLflow, W&B, DVC, Model Monitoring, FastAPI, REST API, Langfuse, A/B Testing, SonarQube, Trivy, Ruff, structlog
• Data : Pandas, NumPy, Seaborn, SQL, NoSQL, PostgreSQL, Redis, SQLAlchemy, ETL/ELT
• Cloud : Azure (App Service, Container Registry, Container Instances), GCP (Vertex AI / Gemini), Nginx, Docker Compose
• Dev et Outils : Microservices, Linux, Jupyter, Streamlit, Plotly, Matplotlib

FORMATION

Diplôme d’Ingénieur en Intelligence Artificielle – ENIAD, Berkane · 2023 – 2026

Deep Learning, NLP, Computer Vision, LLMs, MLOps, Big Data

Licence Mathématiques et Informatique – Université Ibn Zohr, Ouarzazate · 2021 – 2023

PFE : Génération automatique d’emplois du temps par algorithme génétique

CERTIFICATIONS

2026 · Model Context Protocol (MCP) : Advanced Topics – Anthropic

Build RAG Applications – IBM

Develop Generative AI Applications – IBM

2025 · Natural Language Processing – DeepLearning.AI

Fine-tune a Language Model with Azure AI Foundry – Microsoft

AI Infrastructure and Operations Fundamentals – NVIDIA

Attention Mechanism – Google Cloud

LANGUES ET DIVERS

• Langues : Français (C1) – Anglais (C1, professional working proficiency)
• Divers : Mobilité France – Agile / Scrum – Veille technologique