Omschrijving

Ingénieur IA & RAG | Déploiement LLM Production | MLOps

CE QUE JE FAIS POUR VOUS

→ Systèmes RAG intelligents production

Architecture IA : vectorisation sémantique, orchestration LLM (LangChain, LangGraph), agents spécialisés

Déploiement sécurisé : Weaviate, Neo4j, stockage hybride zéro fuite données

→ Infrastructure Kubernetes & MLOps

Déploiement modèles IA GPU/CPU, monitoring Prometheus/Grafana, CI/CD GitLab optimisé

Orchestration : K8s, Helm, Docker, Rancher, automatisation 90% interventions

→ Développement fullstack Python/JS

Backend : FastAPI, Golang, Node.js, microservices REST/GraphQL

Frontend : Next.js, React, TypeScript

RÉSULTATS CLIENTS

✓ RAG SNCF : 6 agents IA, vectorstore + graphe, -70% temps recherche dev

✓ CI/CD 16 microservices : 30min → 5min (-83%)

✓ Fiabilité GPS trains : +80%

✓ Tests : 60% → 85%, stabilité +25%

STACK

IA/ML : RAG, LLM (OpenAI, Anthropic, DeepSeek), LangChain, LangGraph, MLOps, Embedding

Vector DB : Weaviate, Neo4j, Pinecone

Backend : Python, Golang, Node.js, FastAPI

DevOps : Kubernetes, Docker, Helm, GitLab CI/CD, Terraform, Prometheus, Grafana, GCP, AWS

Frontend : Next.js, React, TypeScript, Tailwind

DB : PostgreSQL, MongoDB, Redis

PROFIL

Ingénieur IMT Nord Europe (2025) | TOEIC 915/990 | Agile/Scrum

LOCALISATION

Basé Lille | Paris/IDF | Remote France | Disponibilité immédiate

APPROCHE

Ownership end-to-end | MLOps/DevOps | Documentation rigoureuse | Green IT

🎯 Visio 15min : discutons votre besoin IA/RAG, approche sur-mesure

Branche-expertise

Talen

Frans
Tweetalig / moedertaal
Engels
Vloeiend
Duits
Beperkte professionele capaciteit

Voorkeuren voor werkplek

Kan op locatie werken

Lille (tot 50km), Paris (tot 50km), Lyon (tot 50km), Strasbourg (tot 50km), Marseille (tot 50km)

SNCF Voyageurs
Lead Technique - Système RAG Enterprise (Projet de fin d'études)
TRANSPORT & LOGISTIEK
september 2024 - september 2025 (1 jaar)
Lille, Frankrijk
Dirigé conception système RAG entreprise SNCF pour équipes dev, réduisant recherche info -70%, traçabilité auto spécs-code-doc

Conçu architecture 3 niveaux : moteur IA orchestrant agents (LangGraph state machines), interface Next.js responsive, stockage hybride (Weaviate vectoriel + Neo4j graphe + SQLite local) recherche sémantique cross-repos contexte préservé

Implémenté backend FastAPI 6 agents IA : explication code (analyse syntaxe/sémantique), recherche cross-microservices (graphe dépendances), génération patterns, Q&A doc technique, tutoriels pédagogiques, liaison code-doc traçabilité bidirectionnelle

Développé pipeline ingestion MLOps : extracteurs PDF sophistiqués (tableaux, images, hiérarchie), extracteurs code (dépendances, graphe composants), segmentation intelligente contexte, chunking optimisé vectorisation

Vectorisation optimisée domaine technique embeddings spécialisés + indexation Weaviate haute perf + Neo4j relations composants, cohérence auto base code/doc à chaque commit

Optimisé LLM : routage intelligent vers agent approprié, stockage local sécurisé zéro fuite externes, indexation adaptée contenus techniques, -40% tokens

Développé app native Tauri (Rust/TypeScript) installateur multi-plateforme (Win/Linux/Mac), perf natives, sécu locale sans dépendances cloud

Green IT : modèle DeepSeek local dev/tests, LLM prod (OpenAI/Anthropic) optimisé tokens contextualisation, -60% empreinte énergétique

Gestion GPU 4Go : modèles quantisés, cache embeddings, libération auto mémoire, adaptation dynamique charge

Analysé difficultés formation intégration recrues (semaines contribution), perte connaissances code ancien, bugs post-livr 3+ ans

RAG FastAPI Next.js Python LangGraph
SNCF Voyageurs
Ingénieur DevOps & Fullstack – Alternant SNCF
TRANSPORT & LOGISTIEK
september 2022 - september 2024 (2 jaren)
Lille, France
Mis en place pipelines CI/CD GitLab pour 16 microservices en production, intégrant compilation, tests automatisés, packaging et déploiement end-to-end, réduisant temps mise en production de 30 minutes à 5 minutes
Conteneurisé et orchestré des services avec Docker et Kubernetes (Minikube local, Rancher production), configurant 1 cluster pour orchestration multi-environnements
Automatisé processus déploiement via Helm Charts structurés supprimant 90% interventions manuelles et limitant fortement erreurs humaines
Contribué mise en place infrastructure distribuée sur hardware box embarqué utilisant Harbor (registry Docker privé) et Rancher pour gestion centralisée clusters et images, contexte fortes contraintes matérielles
Conçu mécanisme répartition charge Nginx pour assurer communication front-end/back-end sous contraintes OS embarqué, améliorant disponibilité et résilience plateforme Kubernetes
Développé outils automation Python pour maintenance et mises à jour paquets critiques, réduisant temps traitement typique d'environ 1 heure à 10 minutes, libérant capacités équipe
Participé refonte architecture composant embarqué en version lightweight, réduisant consommation ressources (CPU, mémoire, stockage)
Contribué projet microservices embarqués pour systèmes trains en Golang et Vue.js, développant services backend performants et interfaces opérateur robustes adaptées usages terrain
Implémenté algorithme avancé localisation trains capable maintenir position cohérente pendant pertes signal GPS et resynchronisation, améliorant fiabilité globale suivi position
Conçu et maintenu suites complètes tests unitaires et intégration couvrant principaux scénarios métier et techniques, augmentant couverture code de 60% à 85%, permettant détection précoce régressions
Pris part traitement incidents critiques production (diagnostic approfondi, développement correctifs, déploiement), contributions amélioration stabilité système estimée à 25%
Kubernetes Gitlab CI/CD Docker Golang Vue.js

Agatha Frydrych

Backend Java Software Engineer

4.7

(3)

Baptiste Duhen

Fullstack developer

4.6

(4)

Amed Hamou

Senior Lead Developer

(2)

Audrey Champion

Web developer

4.3

(3)

Aanmelden om te onthullen

Ingénieur spécialité informatique et télécommunications
IMT Nord Europe (Institut Mines-Télécom)
2025
Formation d'ingénieur informatique avec spécialisation dernière année en intelligence artificielle (Machine Learning, Deep Learning, RAG, LLM, IA générative, MLOps, NLP). Compétences : cloud & DevOps (Kubernetes, Docker, CI/CD, AWS, GCP, Terraform), développement fullstack (Python, Golang, JavaScript/TypeScript, React, Next.js, FastAPI) et bases de données (PostgreSQL, MongoDB, Neo4j, Weaviate)

Zakaria Si Salah

Ingénieur IA & RAG | Déploiement LLM | MLOps

Over Zakaria

Werkervaring

Aanbevelingen

Deze freelancerprofielen matchen ook met zoekopdracht.

Opleidingen

Vaardigheden

Categorieën