Bakary SIDIBE

🔹 Contribution à la conception et à l'évolution de SILC Agent, plateforme GenAI d'entreprise basée sur AWS Bedrock AgentCore et Strands : RAG, orchestration multi-agents, tool calling et communication agent-to-agent (A2A). 🔹 Conception et industrialisation de la gestion du cycle de vie des bases vectorielles Pinecone et intégration aux pipelines d'ingestion de connaissances. 🔹 Conception et mise en place d'un framework d'évaluation LLM avec W&B Weave : évaluations offline/online, LLM-as-a-Judge et suivi de la qualité des réponses. 🔹 Industrialisation de solutions GenAI en environnement GxP : CI/CD, déploiement multi-environnements, traçabilité, documentation et exigences de qualité. Stack : Python, AWS Bedrock, Claude, Bedrock AgentCore, Strands, Pinecone, W&B Weave, RAG, Multi-Agent Systems, Tool Calling, A2A, Docker, GitHub Actions, Terraform

🔹 Leadership technique de l'écosystème IA d'une plateforme d'aide à la prescription médicale : architecture end-to-end, coordination Data Science/Engineering et définition de la roadmap technique IA. 🔹 Conception et industrialisation d'une architecture RAG multi-agents sur 880k+ documents médicaux : hybrid search Qdrant (BGE-M3 + SPLADE), cross-encoder reranking, agents spécialisés et génération sourcée. 🔹 Déploiement et serving de LLM open source sur infrastructure GPU on-premise avec vLLM/RunAI, Docker et GitLab CI/CD ; orchestration de workflows asynchrones avec Celery/Redis. 🔹 Conception de pipelines Prefect multi-sources (ANSM, HAS, Orphanet) avec ingestion incrémentale, versioning et gestion du cycle de vie documentaire sans réindexation complète. 🔹 Mise en place du monitoring qualité/performance (Precision@K, Recall, latence, coûts) et de la traçabilité réglementaire ; plateforme déployée auprès de plusieurs établissements de santé en France. 🛠️ Stack: Python, Qdrant, BGE-M3, SPLADE, vLLM, RunAI, Prefect, Celery, Redis, Docker, GitLab CI/CD, PostgreSQL, FastAPI

🔹 Industrialisation end-to-end de modèles ML sur AWS SageMaker : CI/CD GitLab, tests unitaires/intégration, déploiement automatisé, Model Registry, monitoring du drift et alerting. 🔹 Conception de pipelines Data/ML avec AWS Glue/PySpark, Airflow et S3 Data Lake : ingestion, transformations distribuées et contrôles automatisés de qualité des données. 🔹 Développement et exposition de services ML/Data via APIs REST avec AWS Lambda, API Gateway et authentification Cognito. 🔹 Développement d'un système RAG sur documentation aéronautique avec LangChain/OpenSearch : recherche sémantique, tracing LangSmith, suivi latence/tokens/coûts et évaluation des hallucinations. 🛠️ Stack :: AWS (SageMaker, Glue, Lambda, API Gateway, S3, Cognito), GitLab CI/CD, Airflow, PySpark, LangChain, OpenSearch, LangSmith

Développement solutions ML pour évaluation risque crédit et automatisation traitement documents financiers (FinTech/AssurTech). 🔹 Data Engineering Pipelines ETL Airflow ingestion multi-sources (transactions bancaires, factures, relevés), transformation PySpark, stockage S3 partitionné analytics. 🔹 ML risque crédit Modèles XGBoost/Random Forest détection fraude transactions, prédiction retard paiement, forecast trésorerie entreprises. 🔹 OCR documents financiers Extraction automatisée factures, RIB, relevés bancaires via AWS Textract, structuration PostgreSQL analyses solvabilité. 🔹 APIs scoring & dashboards Endpoints FastAPI scoring solvabilité clients, intégration CRM, dashboards QuickSight KPIs risque (taux défaut, distributions). 🛠️ Stack : AWS (S3, Textract, QuickSight, SageMaker, Lambda, Athena), Airflow, FastAPI, XGBoost, PostgreSQL, PySpark

Développement systèmes ML pour retail (recommandations produits e-commerce) et automobile (détection défauts qualité). 🔹 Recommandation e-commerce Collaborative filtering GCP Vertex AI personnalisation catalogue, BigQuery analytics comportementales clients. 🔹 Computer Vision contrôle qualité Détection défauts visuels carrosserie CNN (ResNet/EfficientNet), déploiement GCP Cloud Run inférence temps réel chaîne production. 🔹 App prédiction demande Interface Streamlit/Dash forecast demande produits, APIs FastAPI. 🛠️ Stack : GCP (Vertex AI, BigQuery, Cloud Run), PyTorch, TensorFlow, Streamlit, FastAPI

Recherche & développement Deep Learning pour applications Computer Vision et NLP, benchmark plateformes cloud ML. 🔹 Deep Learning Computer Vision CNN/RNN classification images, distributed training, GPU acceleration optimisation performance. 🔹 Pipelines NLP production Analyse sentiments et NER extraction entités via LSTM, T5, BERT, Transformers données textuelles. 🔹 Benchmark cloud ML Étude comparative GCP, AWS, Azure ML, IBM Cloud (performance, scalabilité, MLOps) déploiement modèles grande échelle. 🛠️ Stack : PyTorch, TensorFlow, BERT, Transformers, GCP, AWS, Azure ML, IBM Cloud