[nom]

[e-mail] ◆ [téléphone]

PROFIL

Ingénieur Data & AI (Double diplôme École Centrale Casablanca & Lille ) — Spécialisé dans la résolution de défis industriels complexes à l’intersection des mathématiques appliquées et de l’IA. De l’extraction/nettoyage de données de capteurs au déploiement de modèles avancés

(ML/DL), je me concentre sur l’impact terrain et l’amélioration continue en production en collaboration étroite avec les équipes métiers.

FORMATION

Ecole Centrale Casablanca · Casablanca, Maroc

Diplôme d’ingénieur, Science de Données et Digitalisation · 2025

• Probabilités et Statistiques, Algèbre , Optimisation mathématique , Chaînes de Markov, Estimation Statistique, Machine Learning Avancé, Deep Learning Applications, NLP LLM, Computer Vision, Analyse de Graph, Data Engineering (Spark Apache Hadoop).

Ecole Centrale Lille · Lille, France

Tech Year, Intelligence Artificielle · Sep. 2023

• Deep Learning, Machine Learning, Analyse et visualisation des données, Traitement d’images, NLP, Optimisation Mathematique.

EXPERIENCES PROFESSIONELLES

INNOVX / Launchx · Casablanca, Maroc

Data Scientist / AI Engineer, CDI · Mars 2025 – Aujourd’hui

P1: Développement d’une solution de gestion des connaissances (Chatbot) à grande échelle – Client OCP

• Architecture GraphRAG (Neo4j) : Conception d’un système hybride (Vectoriel/Graphe) atteignant 90%+ de Recall via chunking sémantique et Re-rankin avec hybrid search .
• Backend & AsyncIO : Développement d’une API haute performance sous FastAPI, intégrant le streaming de réponses LLM et une gestion asynchrone optimisée des requêtes concurrentes.
• Persistance & SQL : Structuration d’un schéma PostgreSQL pour la traçabilité des sessions et la persistance des agents.
• IA Agentique & Automation : Déploiement d’agents de routage dynamique et de workflows n8n pour l’ingestion automatisée de sources hétérogènes (HubSpot, SharePoint).
• Interface Multimodale : Intégration d’une couche vocale via Azure Speech pour faciliter l’accès mains libres aux données pour les profils moins qualifiés sur le terrain (Francais ,Anglais et Arabe) .
• CI/CD & MLOps : Industrialisation via GitLab CI/CD (Pytest, Linting) et conteneurisation Docker pour un déploiement scalable sur Azure et infrastructures privées (ACS).
• Framework d’Évaluation : Mise en œuvre de métriques rigoureuses (Recall@K, MRR, Groundedness) pour le monitoring en temps réel.

P2 : Agents IA pour l’accélération de l’innovation – Initiative "Go Mouvement" (Groupe OCP)

• IA Agentique (CrewAI) : Automatisation de l’analyse critique (Product-Market Fit) et de la génération de Business Plans pour 600+ projets .
• Orchestration Asynchrone : Architecture basée sur des workers de fond pour le traitement distribué des analyses, garantissant la scalabilité du système face aux pics de charge.
• Fiabilisation des données : Déploiement d’un moteur de fact-checking en temps réel pour auditer et valider les indicateurs stratégiques soumis par les porteurs de projets.
• Intégration Écosystème : Synchronisation avec les systèmes CRM et Legacy (HubSpot) pour la capitalisation et la continuité des flux data .
• Acculturation & Change Management : Animation de workshops techniques et méthodologiques pour 600 équipes sur l’adoption de l’IA et les frameworks startup.

Schlumberger · Paris, France

Data Scientist, PFE · Mars 2024 – septembre 2024

Au cours de ce stage, j’ai conçu et déployé de A à Z un système de prédiction en temps réel de la profondeur de forage.

• R&D Algorithmique (From Scratch) : Développement complet en Python d’une suite d’algorithmes propriétaires (Gauss-Newton, Levenberg- Marquardt, K-Means, EM) sans utilisation de bibliothèques tierces, garantissant une maîtrise totale de l’optimisation paramétrique des modèles de mélange gaussiens.
• Approche Bayésienne & Fiabilisation : Amélioration significative de la précision (97%) par l’intégration d’une contrainte Bayésienne (loi a priori Inverse-Gamma sur la variance), permettant d’injecter une expertise métier pour isoler avec précision les états opérationnels du forage.
• Data Engineering : Fiabilisation de flux de données capteurs complexes (gestion des NaN, traitement des valeurs aberrantes et synchronisa- tion temporelle) pour transformer des signaux bruts en indicateurs de profondeur robustes face aux contraintes critiques du terrain.

DPDgroup · Paris, France

Machine Learning Engineer · Novembre 2024 – Mars 2024

Collaboration avec les Business Units Benelux pour le développement d’un outil automatisant la détection de colis suspects (contrefaçons..).

• Architecture Multimodale : Conception d’un système hybride combinant détection d’objets, segmentation et OCR via PyTorch Lightning.
• Modélisation SOTA : Entraînement de modèles de pointe (Faster R-CNN, YOLO, TrOCR) et fine-tuning de BERT pour la classification multi- labels des flux textuels d’expédition.
• Data Engineering : Curation de datasets mixtes (imagerie réelle et génération de données synthétiques)
• Monitoring & Pilotage : Déploiement d’un dashboard interactif sous Dash pour le suivi en temps réel des indicateurs de performance (KPIs)

COMPETENCES

AI & Advanced Modeling: · Deep Learning (PyTorch, Tenserflow), NLP , Computer Vision , Inférence Statistique.

ML Engineering & MLOps: · Docker, Kubernetes, Azure Cloud, GitLab CI/CD, Monitoring (Dash), Serving (FastAPI, Ollama),

Data Engineering & Scale: · PySpark, SQL (PostgreSQL), Hadoop, Airflow, Vector DB (Qdrant).

Software & Tools: · Python (Clean Code, Pytest), Poetry, Bash, Git, LangChain/LlamaIndex (Agents).