[nom]
Ingénieure IA & Data | Architecture GenAI / LLM | RAG et agents IA | Azure OpenAI | MLOps
Safi, Maroc | [téléphone] | [e-mail] | Ouverte à une installation à Rabat | Disponible immédiatement | LinkedIn | [lien]
PROFIL
Ingénieure IA orientée architecture de systèmes GenAI / LLM, RAG et agents IA. Expérience de la conception d'une architecture de bout en bout (agents LLM, outils MCP, RAG, bases de données, APIs, microservices, Docker), de la définition de garde-fous de gouvernance (validation déterministe, traçabilité, points de contrôle des risques) et de l'évaluation de la qualité sur 2 694 exécutions. Solide background en Python, FastAPI, MLOps (MLflow, CI/CD) et ingénierie des données, avec une pratique d'Azure (Azure AI, Azure OpenAI) et d'AWS. Titulaire d'un Master Intelligence Artificielle, disponible immédiatement et ouverte à une installation à Rabat.
EXPÉRIENCE PROFESSIONNELLE
MOSAIC Lab, Ruhr University Bochum mars 2026 – août 2026
Ingénieure IA & Données, architecture de systèmes LLM Allemagne
Stage de fin d’études (Master) · Encadrant : Dr. Qize Guo
Conception de l'architecture cible d'un framework d'agents LLM (outils MCP, RAG, services FastAPI) traduisant des requêtes en langage naturel en workflows exécutables et auditables.
Définition des standards et patterns de validation déterministe (compréhension de la requête, planification, vérification, exécution, validation post-exécution) assurant traçabilité et gouvernance de l'IA.
Mise en place de points de contrôle de gestion des risques : détection des ambiguïtés, informations manquantes, plans invalides et échecs d'exécution avant production des résultats.
Mise en œuvre des services Python / FastAPI intégrant MCP, RAG (Qdrant), MongoDB, InfluxDB et données IoT en temps réel ; conteneurisation Docker, health checks et observabilité de l'exécution.
Évaluation sur 2 694 exécutions de workflows (taux de succès, modes de défaillance, qualité d'exécution, vérification a posteriori) pour étayer et challenger les choix techniques.
Laboratoire LAPSSI avr. 2024 – juil. 2024
Ingénieure Machine Learning, traitement de la parole Safi, Maroc
Développement d'un système de détection d'activité vocale (VAD) utilisant la dimension fractale (algorithme de Katz) comme caractéristique clé après prétraitement audio (conversion mono, rééchantillonnage à 16 kHz), surpassant les approches standard (MFCC, ZCR, RMS).
Sélection d'un modèle LSTM après comparaison avec un CNN 1D : 96,7 % de précision sur signaux propres, 88 % de précision globale sur des niveaux de bruit de -20 à 20 dB SNR.
OCP Group avr. 2023 – juin 2023
Développeuse Full-Stack Safi, Maroc
Développement d'une application web full-stack (ReactJS, Laravel) de gestion de pont-bascule, numérisant la pesée des camions à l'entrée et à la sortie (calcul du poids net, génération de tickets), auparavant suivie sur papier.
Réalisation du backend et du frontend pour l'historique et la recherche des pesées, avec une interface responsive et conviviale.
Cabinet comptable juil. 2022
Développeuse Web Safi, Maroc
Développement d'une application web de gestion clients (PHP, MySQL) pour numériser le suivi des dossiers du cabinet.
PROJETS
Transformer conditionnel pour la conception de médicaments (2025)
IA générative · Génération de molécules répondant à des propriétés cibles
Réponse au problème de rareté des données en conception de médicaments de novo : implémentation d'un Transformer léger en Python avec PyTorch, entraîné de zéro sur 1,49 M de molécules ChEMBL pour générer des molécules à partir de 10 propriétés physico-chimiques cibles.
Contrôle précis multi-propriétés sans apprentissage par renforcement ni fine-tuning, sur la condition évaluée : 95,5 % de satisfaction des cibles, 86,1 % de validité et 100 % de nouveauté.
Suivi multi-objets de foule avec ré-identification (2025)
Vision par ordinateur · Suivi de piétons et analyse du comportement de foule
Construction et test d'un pipeline de détection et de suivi (YOLOv8 fine-tuné et BoT-SORT) pour des scènes de foule denses, avec ré-identification par apparence pour préserver les identités lors des occlusions.
Forte amélioration de la stabilité du suivi : IDF1 de 77,6 % à 91,8 %, changements d'identité de 14 à 1, MOTA de 86,1 %.
Détection d’émotions et prédiction d’intensité en darija marocaine (2025)
NLP | Analyse d'émotions dans un dialecte arabe à faibles ressources
Extension du jeu de données SemEval-2025 Task 11 avec des textes en darija annotés manuellement et un pipeline de prétraitement spécifique au dialecte (translittération arabizi vers arabe), couvrant six émotions et trois niveaux d'intensité.
Benchmark de modèles classiques, de deep learning et de transformers : TF-IDF + Naive Bayes atteint 0,707 de F1 moyen, tandis que XLM-RoBERTa fine-tuné obtient la meilleure précision (75,2 %).
Tableau de bord du recensement du Maroc (2024)
Pipeline BI de bout en bout sur les données démographiques, économiques et éducatives du Maroc : collecte multi-sources (Excel/PDF/CSV officiels, web scraping avec Selenium), ETL (Pentaho PDI, Power Query) et schéma en étoile pour l'analyse multidimensionnelle.
Tableaux de bord Power BI (DAX) suivant les principaux KPIs socio-économiques (croissance démographique, taux d'activité, emploi par secteur) pour appuyer l'analyse de politiques publiques.
FORMATION
Faculté des Sciences Semlalia, Université Cadi Ayyad 2024 – 2026
Master Intelligence Artificielle — mention Bien Marrakech
École Supérieure de Technologie, Université Cadi Ayyad 2023 – 2024
Licence professionnelle Systèmes d'Information & Ingénierie des Réseaux — mention Très Bien Safi
École Supérieure de Technologie 2021 – 2023
DUT Génie Informatique, Administration des Systèmes & Réseaux — mention Bien Safi
Al Hidaya Islamiya 2021
Baccalauréat Sciences Physiques — mention Très Bien
COMPÉTENCES TECHNIQUES
Architecture IA & gouvernance : architectures AI / GenAI / LLM, patterns RAG et agents, workflows IA, documentation d'architecture (HLD/LLD), standards et garde-fous, IA responsable, gestion des risques
Test & évaluation de l’IA : stratégie de test, pipelines de validation, analyse des défaillances, KPIs qualité, reproductibilité, évaluation avec humain dans la boucle, tests d'API, d'intégration et de régression
IA générative & agentique : OpenAI, Azure OpenAI, APIs LLM, prompt engineering, RAG, embeddings, bases vectorielles, MCP, LangChain, orchestration multi-agents, automatisation de workflows
Backend & API : FastAPI, APIs REST, WebSockets, Docker, architecture microservices
Bases de données : MongoDB, PostgreSQL, MySQL, InfluxDB, Qdrant, Chroma, FAISS, PgVector
Langages : Python, SQL, JavaScript, PHP, C, C++, Java (académique)
IA & ML : PyTorch, TensorFlow/Keras, Hugging Face Transformers, data mining, IA générative
Vision par ordinateur : YOLOv8, BoT-SORT, OpenCV, suivi multi-objets, ré-identification (ResNet-50)
NLP : classification de texte, analyse d’émotions, fine-tuning de transformers (AraBERT, XLM-RoBERTa), prétraitement de texte, NLP arabe et darija, Rasa
Cloud & MLOps : Docker, Azure (Azure AI, Azure OpenAI), AWS, CI/CD (GitHub Actions), MLflow, DVC, Kubeflow Katib, Git/GitLab, Linux
Ingénierie des données : ETL/ELT, pipelines de données, entrepôts de données, modélisation dimensionnelle, qualité des données, Pentaho PDI, Databricks
Systèmes embarqués & IoT : Raspberry Pi, ESP32, Arduino, MQTT, Modbus, capteurs
Réseaux : DHCP, DNS, VLAN, routage et commutation, TCP/IP, sous-réseaux, VirtualBox, VMware
CERTIFICATIONS
Data Engineering : AWS Academy Graduate
Machine Learning Foundations : AWS Academy Graduate (2025)
Machine Learning Specialization : DeepLearning.AI / Stanford
CCNA : Introduction to Networks (Cisco)
CCNA : Switching, Routing and Wireless Essentials (Cisco)
Cybersecurity (Cisco)
Python Essentials 2 (Cisco)
LANGUES
Arabe (langue maternelle) · Français (courant) · Anglais (professionnel) · Allemand (notions)
