[nom]

Spécialiste Intelligence Artificielle | Python, NLP, Machine Learning & Speech-to-Text

Basé à Casablanca, Maroc · mobile pour un poste à Sidi Maarouf | [téléphone] | [e-mail] | [lien]

| Français (courant) • Anglais (courant)

RÉSUMÉ

Ingénieur en Intelligence Artificielle (Bac+5, diplôme d'ingénieur d'État), un an d'expérience, spécialisé en Python, NLP, Machine Learning, Deep Learning et développement d'applications IA. Expérience en pipelines speech-to-text (Whisper) et analyse vocale, analyse et synthèse de données d'entreprise, solutions RAG, applications web et API (FastAPI), et pipelines de données pour répondre à des problématiques métier. Pratique de TensorFlow, PyTorch, scikit-learn, spaCy et HuggingFace Transformers, des bases de données SQL/NoSQL et du déploiement et gestion de modèles avec Docker, CI/CD et MLflow. Utilisation de l'IA pour automatiser les processus et améliorer la prise de décision.

COMPÉTENCES TECHNIQUES

Intelligence artificielle & Machine Learning : Python (pandas, PyTest), TensorFlow, Keras, PyTorch, TensorFlow Lite, scikit-learn, Machine Learning supervisé et non supervisé, Deep Learning, Computer Vision, entraînement, évaluation et amélioration de modèles

NLP & Speech-to-Text : NLP, spaCy, HuggingFace Transformers, embeddings, recherche sémantique, RAG, agents conversationnels, LangChain, génération de texte (LLM), speech-to-text (Whisper), analyse vocale et traitement de transcriptions

Développement web & applications IA : applications web intégrant des modèles IA, FastAPI, Spring Boot, conception d'API REST et microservices, intégration de modèles dans des workflows métier

Données & bases de données : SQL (PostgreSQL, MySQL), NoSQL (MongoDB, Cassandra), Elasticsearch, bases vectorielles (FAISS), modélisation et qualité des données, pipelines ETL, PySpark, Apache Spark, Delta Lake, Azure Databricks, Azure Data Factory, Power BI (analyse de données, reporting business)

Déploiement & MLOps : déploiement et gestion de modèles, MLflow (suivi d'expériences, model registry, cycle de vie), monitoring de modèles, Docker, cloud (Azure), Kubernetes (notions), CI/CD (Git/GitLab, Jenkins, Azure DevOps), SonarQube, tests automatisés

Ingénierie IA & GenAI : assistants LLM et agents IA, Ollama, prompt engineering, évaluation LLM juge, sûreté et IA responsable

Langues & atouts : Français (courant) • Anglais (courant) • Arabe (natif) • résolution de problèmes, travail en équipe, autonomie, organisation

EXPÉRIENCE PROFESSIONNELLE

Ingénieur IA (stage) | Eurafric Information (EAI), Groupe Bank of Africa | février 2026 à août 2026 (terminé) | Casablanca, Maroc

Conçu et développé une solution agentique pilotée par LLM en Python (pipeline d'agent en 14 étapes) avec modèles hébergés via Ollama, orchestration LangChain et parsing AST pour migrer des jobs SAP BODS vers du code prêt pour la production, en intégrant la GenAI aux workflows métier tout en préservant les règles bancaires réglementées.

Pipeline de transcription speech-to-text (Whisper) pour les réunions, avec analyse vocale et exploitation des transcriptions (NLP, embeddings), en Python.

Conception et mise en place d'une plateforme de données Medallion (Apache NiFi, Spark sur YARN, HDFS/Iceberg, Power BI) pour un traitement de données scalable, l'analyse de données business, l'analytique et l'aide à la décision.

Industrialisé la livraison via des pipelines CI/CD (Git, GitLab, Jenkins, SonarQube) avec tests automatisés, améliorant le débogage et la fiabilité en production ; observabilité IA de bout en bout avec Langfuse (tracing, latence et coûts).

Mis en place une évaluation de modèles LLM juge et des contrôles de sûreté pour valider la logique de transformation des données, renforçant la qualité des données et la conformité aux exigences d'audit bancaire (IA responsable) ; rédigé la documentation technique et partagé les bonnes pratiques avec les équipes techniques et métier.

Ingénieur Data / ML (stage) | Webrasma & Rankin Digital | juin 2025 à septembre 2025 | Casablanca, Maroc

Entraîné et déployé des modèles de Machine Learning (91 % de précision) pour une solution d'IA de traitement de sinistres dans l'assurance automobile, réduisant le temps de revue expert de plusieurs jours à quelques secondes, sur tout le cycle : de l'analyse de données et de l'évaluation du cas d'usage avec les métiers au déploiement et gestion de modèles prêts pour la production.

Développé un pipeline MLOps de production sur Azure Databricks (PySpark, Delta Lake, architecture Medallion) avec suivi d'expériences MLflow, model registry et gestion du cycle de vie des modèles, plus tests automatisés.

Établi une gouvernance des données avec Unity Catalog (reproductibilité, métadonnées, lineage) alignée sur les normes d'audit de l'assurance ;

collaboré avec le product management pour livrer des produits IA de qualité production.

PROJETS

Application de physiothérapie alimentée par l'IA (PFA), web & mobile | Python • TensorFlow (TensorFlow Lite) • Computer Vision • MongoDB •

Elasticsearch • LangChain

Entraînement et déploiement de modèles de deep learning (TensorFlow, TensorFlow Lite) : détection de pose en temps réel analysant les angles articulaires et les schémas de mouvement pour les exercices de rééducation, avec latence minimale validée par des benchmarks de traitement d'images.

Coach IA conversationnel (RAG, LangChain) avec embeddings vectoriels dans Elasticsearch et données en base NoSQL MongoDB ; application web avec backend en microservices Spring Boot validé par des tests de charge.

Pipeline de transcription et d'analyse vocale | Python • Whisper • NLP • HuggingFace Transformers

Développement d'un pipeline speech-to-text avec Whisper pour convertir des réunions audio en texte, puis exploitation des transcriptions à l'aide de techniques NLP, d'embeddings et d'analyse sémantique.

JobMatch AI, moteur de matching sémantique RAG | Python • spaCy • HuggingFace Transformers • FAISS

Architecture RAG de bout en bout : embeddings avec HuggingFace Transformers, base vectorielle FAISS, couche de retrieval, de scoring et de reclassement, recommandant les meilleures correspondances CV/offres par compétences, séniorité et adéquation au poste.

Extraction structurée par prompt engineering et pipeline NLP (spaCy) en Python, convertissant le texte non structuré des CV et offres d'emploi en taxonomie de compétences et de rôles, améliorant la précision du retrieval.

Pipeline de données de bout en bout sur Azure | Azure Data Factory • Azure Databricks • PySpark • SQL

Ingestion avec Azure Data Factory, stockage dans Azure Data Lake Storage, traitement batch et temps réel avec Azure Databricks (PySpark, Spark

Structured Streaming), modèle en étoile et exposition des jeux de données via SQL et API web FastAPI.

CERTIFICATIONS

Développeur Python (Associate) | DataCamp • AI Engineer for Developers (Associate) | DataCamp • Model Context Protocol (MCP) | Anthropic

FORMATION

Diplôme d'ingénieur d'État, Informatique & Réseaux (MIAGE) | EMSI | Casablanca, Maroc

Programme d'ingénierie logicielle | 1337 Coding School (réseau 42) | 2024 à 2025 | Khouribga, Maroc

Classes préparatoires, Mathématiques & Physique (CPGE MP) | EMSI | 2021 à 2023 | Casablanca, Maroc