Alae-Eddine AKESBI

• Conçu une solution IA/NLP de matching CV ↔ offres pour le recrutement externe, ainsi qu’un module de mobilité interne pour l’adéquation profils ↔ besoins projets. • Mis en place des workflows IA dans Dataiku et orchestré des agents avec LangChain et serveurs MCP afin d’automatiser l’analyse, le scoring et la recommandation de profils. • Réduit jusqu’à 95% le temps de présélection des profils, en améliorant l’identification des candidats pertinents. • Technologies: extraction, OCR , JSON, Dataiku, MCP, RAG, Vector databases, API integration, LangChain

𝐂𝐨𝐧𝐜𝐞𝐩𝐭𝐢𝐨𝐧 𝐝’𝐮𝐧𝐞 𝐩𝐥𝐚𝐭𝐞𝐟𝐨𝐫𝐦𝐞 𝐋𝐚𝐫𝐚𝐯𝐞𝐥 𝐝𝐞 𝐠𝐞𝐬𝐭𝐢𝐨𝐧 𝐝𝐞𝐬 𝐩𝐫𝐨𝐣𝐞𝐭𝐬 & 𝐬𝐭𝐚𝐠𝐞𝐬 𝐝𝐞 𝐟𝐢𝐧 𝐝’𝐞́𝐭𝐮𝐝𝐞 𝐂𝐨𝐧𝐭𝐞𝐱𝐭𝐞 & 𝐄𝐧𝐣𝐞𝐮𝐱 Moderniser le processus administratif de suivi des projets et stages pour les étudiants, encadrants et entreprises partenaires, tout en automatisant les flux de validation et en offrant une interface intuitive. Réalisations clés : • 𝐒𝐲𝐬𝐭𝐞̀𝐦𝐞 𝐝𝐞 𝐠𝐞𝐬𝐭𝐢𝐨𝐧 𝐜𝐞𝐧𝐭𝐫𝐚𝐥𝐢𝐬𝐞́𝐞 : Conception d’une base de données et d’API Laravel pour enregistrer et suivre les informations sur les étudiants, enseignants et entreprises, garantissant cohérence et fiabilité des données. • 𝐖𝐨𝐫𝐤𝐟𝐥𝐨𝐰 𝐝𝐞 𝐜𝐨𝐧𝐬𝐭𝐢𝐭𝐮𝐭𝐢𝐨𝐧 𝐝𝐞 𝐠𝐫𝐨𝐮𝐩𝐞𝐬 : Développement de modules permettant aux étudiants de créer, modifier et organiser facilement leurs groupes de projet, avec gestion automatique des rôles et accès. • 𝐀𝐮𝐭𝐨𝐦𝐚𝐭𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐝𝐞𝐬 𝐯𝐚𝐥𝐢𝐝𝐚𝐭𝐢𝐨𝐧𝐬 : Implémentation d’un mécanisme d’envoi automatique des dossiers complets aux responsables pédagogiques, réduisant les délais de traitement administratif de 50 %. • 𝐓𝐚𝐛𝐥𝐞𝐚𝐮 𝐝𝐞 𝐛𝐨𝐫𝐝 𝐢𝐧𝐭𝐞𝐫𝐚𝐜𝐭𝐢𝐟 : Création d’un dashboard réactif offrant aux étudiants, encadrants et responsables un suivi en temps réel des échéances, livrables et retours. • 𝐔𝐗/𝐔𝐈 𝐫𝐞𝐬𝐩𝐨𝐧𝐬𝐢𝐯𝐞 : Conception d’une interface moderne et adaptive (Bootstrap, CSS Grid) pour une expérience utilisateur fluide sur mobile, tablette et desktop. • 𝐒𝐞́𝐜𝐮𝐫𝐢𝐭𝐞́ & 𝐜𝐨𝐧𝐭𝐫𝐨̂𝐥𝐞 𝐝’𝐚𝐜𝐜𝐞̀𝐬 : Mise en place d’un système de rôles et permissions (spatie/laravel-permission) pour protéger les données sensibles et assurer une gestion fine des droits.

Conçu un MCP complet (Server Python avec +15 tools, ressources et prompts financiers + Client Next.js), orchestrant un agent IA intégré dans un chatbot capable d’automatiser le calcul PnL (réalisé, latent) et le scraping de données de marché, réduisant l’analyse multi-instruments de plusieurs heures à quelques minutes.

• 𝐀𝐠𝐞𝐧𝐭𝐢𝐜 𝐀𝐈 & 𝐌𝐂𝐏 𝐒𝐞𝐫𝐯𝐞𝐮𝐫 : Mise en place d’un serveur Selenium basé sur 𝐌𝐨𝐝𝐞𝐥 𝐂𝐨𝐧𝐭𝐞𝐱𝐭 𝐏𝐫𝐨𝐭𝐨𝐜𝐨𝐥 (𝐌𝐂𝐏) intégré à un workflow d’automatisation agentique (via 𝐋𝐚𝐧𝐠𝐂𝐡𝐚𝐢𝐧 / 𝐧𝟖𝐧), ouvrant la porte aux agents IA capables d’automatiser intelligemment des tâches web, et déployer sur 𝐀𝐖𝐒 • 𝐖𝐞𝐛 𝐒𝐜𝐫𝐚𝐩𝐢𝐧𝐠 & 𝐃𝐚𝐭𝐚 𝐎𝐩𝐬 : Utilisation de VPN pour accéder à un site protégé, identification des données exploitables, extraction avec Selenium/WebDriver, nettoyage et unification des données médicaments / drug data. • 𝐀𝐮𝐭𝐨𝐦𝐚𝐭𝐢𝐬𝐚𝐭𝐢𝐨𝐧 & 𝐌𝐨𝐧𝐢𝐭𝐨𝐫𝐢𝐧𝐠 : Développement d’une API pour surveiller les mises à jour ces donnees, encapsulation dans un conteneur Docker, instructions de déploiement et orchestration via Docker sur 𝐀𝐖𝐒. Création d’un tableau de bord interactif avec Streamlit pour visualiser les données extraites en temps réel. • 𝐀𝐮𝐠𝐦𝐞𝐧𝐭𝐚𝐭𝐢𝐨𝐧 𝐝’𝐢𝐦𝐚𝐠𝐞𝐬 (ordonnances): Génération de plus de 10 000 images synthétiques (prescriptions réalistes via transformations : perspective, bruit, zoom, couleur) pour entraîner un modèle IA de reconnaissance d’images. 𝐂𝐨𝐥𝐥𝐚𝐛𝐨𝐫𝐚𝐭𝐢𝐨𝐧 & 𝐬𝐮𝐢𝐯𝐢 𝐝𝐞 𝐩𝐫𝐨𝐣𝐞𝐭 : Coordination efficace de l’équipe avec 𝐉𝐢𝐫𝐚 , 𝐠𝐢𝐭𝐥𝐚𝐛 et 𝐌𝐒 𝐓𝐞𝐚𝐦𝐬, production régulière de rapports et dashboards pour assurer la visibilité et le respect des délais.

Analyse avancée des données de paie | 𝐏𝐲𝐭𝐡𝐨𝐧 · 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐪𝐮𝐞𝐬 · 𝐕𝐢𝐬𝐮𝐚𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐢𝐧𝐭𝐞𝐫𝐚𝐜𝐭𝐢𝐯𝐞 Pilotage d’un projet stratégique d’analyse des données de paie des fonctionnaires de l’État et des collectivités territoriales, pour améliorer la compréhension des dynamiques salariales et appuyer la prise de décision au niveau national. Réalisations clés : • 𝐓𝐫𝐚𝐢𝐭𝐞𝐦𝐞𝐧𝐭 𝐝𝐞 𝐯𝐨𝐥𝐮𝐦𝐞𝐬 𝐦𝐚𝐬𝐬𝐢𝐟𝐬: Nettoyage et normalisation d’un jeu de données complexe (anomalies, doublons, valeurs manquantes) pour garantir la fiabilité des analyses. • 𝐄𝐱𝐩𝐥𝐨𝐫𝐚𝐭𝐢𝐨𝐧 & 𝐈𝐧𝐬𝐢𝐠𝐡𝐭𝐬 : Application de techniques d’exploration (profiling, clustering) pour dégager les principales tendances de paye par département et collectivité. • 𝐌𝐞𝐬𝐮𝐫𝐞 𝐝𝐞 𝐬𝐢𝐦𝐢𝐥𝐚𝐫𝐢𝐭𝐞́ 𝐢𝐧𝐭𝐞𝐫𝐜𝐨𝐦𝐦𝐮𝐧𝐚𝐥𝐞 : Conception d’un script Python optimisé exploitant le coefficient de corrélation de Pearson afin de quantifier la ressemblance des comportements de paie entre communes. • 𝐕𝐢𝐬𝐮𝐚𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐢𝐧𝐭𝐞𝐫𝐚𝐜𝐭𝐢𝐯𝐞 : Création de dashboards dynamiques (courbes, graphiques comparatifs) facilitant l’interprétation visuelle des résultats pour les décideurs. • 𝐌𝐞́𝐭𝐡𝐨𝐝𝐨𝐥𝐨𝐠𝐢𝐞 𝐀𝐠𝐢𝐥𝐞 : Organisation en sprints avec points de suivi réguliers et réunions hebdomadaires de restitution, garantissant l’alignement constant avec les parties prenantes.