[nom]

INGÉNIEUR IA | IA GÉNÉRATIVE | LLMS | SYSTÈMES AGENTIQUES

Tunis, Tunisie • [téléphone] • [e-mail]

PROFIL

Ingénieur IA spécialisé en IA Générative, LLMs, RAG et systèmes agentiques. Plus de 3 ans d'expérience dans la conception et le déploiement de solutions IA à grande échelle, combinant NLP, Computer Vision et architectures cloud pour générer un impact métier mesurable.

COMPÉTENCES TECHNIQUES

Langages & Frameworks : Python, JavaScript, React, Node.js, Angular, Flutter

Intelligence Artificielle : Machine Learning, Deep Learning, IA Générative, LLMs, NLP, Computer

Vision, Systèmes Agentiques, Prompt Engineering

Frameworks & Outils IA : LangChain, ChromaDB, Vector Databases, RAG, Hugging Face

Librairies ML : PyTorch, TensorFlow, Keras, Scikit-learn

Bases de Données : MySQL, PostgreSQL, MongoDB, Firebase

Cloud & Déploiement : AWS, Google Cloud Platform (GCP), Microsoft Azure, Containerisation

EXPÉRIENCE PROFESSIONNELLE

Al Jazeera — Ingénieur Consultant en Algorithmes IA (Freelance / Mission) · 2025 – 2026

• Conçu et optimisé des pipelines de traitement de données sur des jeux de données dépassant 1 million d'enregistrements afin d'améliorer les capacités d'analyse et d'aide à la décision.
• Développé et entraîné des modèles de Machine Learning et Deep Learning avec PyTorch, TensorFlow et Scikit-learn pour l'analyse prédictive et l'automatisation de traitements métier.
• Optimisé des workflows de traitement de données en Python, réduisant les temps d'exécution et améliorant la fiabilité des analyses en production.
• Exploité PostgreSQL, MySQL et MongoDB pour la gestion et l'analyse de volumes importants de données structurées et non structurées.
• Participé à l'évaluation et à l'intégration de solutions cloud sur AWS, Azure et GCP afin de garantir la scalabilité des traitements IA.

Ardary Partners — Ingénieur IA · 2023 – 2025

• Conçu et déployé une plateforme de génération automatique de comptes rendus basée sur des LLMs et LangChain, réduisant les tâches manuelles de 70 %.
• Développé un pipeline ASR couplé à des modèles de langage avancés permettant d'atteindre jusqu'à 90 % de précision de transcription et d'accélérer la génération documentaire de 60 %.
• Implémenté une architecture RAG reposant sur ChromaDB et des Vector Databases pour la recherche sémantique et la génération contextuelle de réponses.
• Développé des systèmes agentiques autonomes pour l'automatisation de tâches techniques et documentaires, améliorant la productivité des équipes.
• Conçu des solutions NLP pour le parsing automatique de CVs ainsi que des modèles de Computer Vision destinés à l'analyse d'images et de contenus multimodaux.
• Développé et intégré des interfaces web et mobiles avec React, Node.js et Flutter afin de rendre les solutions IA accessibles aux utilisateurs finaux.
• Participé au déploiement et à la mise à l'échelle des applications IA sur des infrastructures cloud et conteneurisées.

PROJETS IA

ARCHITECTE LOGICIEL IA MULTI-AGENT

• Conception d’un système multi-agent basé sur des LLMs capable de transformer des besoins métiers exprimés en langage naturel en architectures logicielles complètes.
• Développement d’agents spécialisés pour l’analyse fonctionnelle, la conception d’architecture, la modélisation de bases de données et la génération de documentation technique.
• Implémentation d’un moteur RAG permettant l’exploitation de standards d’architecture et de bases de connaissances techniques.

Technologies : Python, LangChain, LLMs, Agentic AI, RAG, ChromaDB, PostgreSQL.

PLATEFORME IA DE GÉNÉRATION AUTOMATIQUE DE COMPTES RENDUS

• Développement d’une plateforme de transcription et de génération automatique de procès- verbaux basée sur des LLMs et des technologies de traitement de la parole.
• Conception d’un pipeline ASR + NLP permettant d’automatiser la production documentaire et de réduire significativement les tâches manuelles.
• Mise en œuvre d’une architecture full-stack intégrant traitement, génération et consultation des comptes rendus.

Technologies : Python, LangChain, LLMs, NLP, ASR, PostgreSQL, Flutter.

SYSTÈME RAG MULTI-UTILISATEURS

• Conception et déploiement d’une solution RAG destinée à la recherche sémantique et à la génération de réponses contextualisées à partir de bases documentaires.
• Mise en œuvre d’un système de vectorisation et d’indexation documentaire avec ChromaDB pour améliorer la pertinence des réponses.
• Développement d’une plateforme scalable capable de supporter un volume important d’utilisateurs et de requêtes simultanées.

Technologies : LangChain, ChromaDB, Vector Databases, RAG, LLMs, Python.

FORMATION

Diplôme d'Ingénieur en Data Science — ESPRIT (Tunisie) · 2018 – 2023

CERTIFICATIONS

Prompt Engineering pour les LLMs — Coursera · 2024

Algorithmes et Intelligence Artificielle — Udemy · 2023

LANGUES

Français : Courant

Anglais : Courant

Arabe : Langue maternelle