Bilel Essafi

Au sein de la Direction IA : cadrer, développer et industrialiser des produits d'IA générative et agentique, et éclairer les choix technologiques du groupe. Cadrage & backlog des produits IA – Mener la discovery produit auprès des métiers pour identifier les opportunités et prioriser les cas d'usage IA. – Cadrer les use cases avec les équipes métiers, rédiger le backlog (user stories, critères d'acceptation) et structurer la roadmap produit. – Prioriser les fonctionnalités par valeur métier, faisabilité technique et ROI ; opérer en Agile, outillé Jira et Confluence. Développement de produits IA & d’agents – Piloter, du POC jusqu'à l'industrialisation, le développement de produits d'IA générative et de systèmes agentiques. – Concevoir des produits fondés sur : · Architectures RAG (classique, Graph RAG, Agent RAG) et usages des LLM. · Systèmes multi-agents et communication inter-agents (A2A). · Standards et protocoles agentiques (MCP, A2A-UI, Agent UI). · Frontends agentiques et interfaces agent-to-user (web, mobile, outils internes). – Structurer les capacités agentiques transverses de la plateforme : · Agent Gateway. · Agent Catalog (référencement, découverte, réutilisation). · Agent Governance (droits, sécurité, conformité, auditabilité). · Agent Orchestration (coordination multi-agents, workflows, rôles). – Travailler avec les équipes techniques (data scientists, data engineers, DevSecOps) et synchroniser avec l'UX/UI pour une expérience agent-to-user commune. – Diffuser standards, guidelines et bonnes pratiques pour une adoption homogène, sécurisée et scalable de la GenAI, et outiller la productivité des développeurs (Claude Code, Cursor, Gemini CLI). Benchmark & décisions technologiques – Conduire des benchmarks des solutions IA du marché (Google, Microsoft, Salesforce…) selon des critères business (valeur, ROI, time-to-value), fonctionnels (couverture, capacités agentiques, extensibilité), techniques (performance, scalabilité, sécurité, intégration SI) et d'architecture (cloud / hybride, interopérabilité, vendor lock-in). – Décisions d’investissement — recommandations d'achat/souscription, analyses Make / Buy / Hybrid, identification des dépendances et risques fournisseurs. – Réduction des risques — évaluation de la maturité des solutions, conformité aux exigences enterprise (sécurité, gouvernance, intégration), pérennité et évolutivité des architectures retenues.

Produits IA pilotés – Jumeaux numériques : produit d'optimisation des stations d'épuration par Reinforcement Learning (efficacité énergétique, durabilité, réduction des coûts opérationnels). – Modèles prédictifs (ML) : anticipation de variables critiques du procédé (débit entrant, taux de chlore) pour piloter et optimiser l'exploitation. – Assistant documentaire (GenAI) : solution RAG/LLM de question-réponse sur la base documentaire métier pour automatiser les réponses des collaborateurs. Cadrage & backlog produit – Recueillir et cadrer les besoins métiers, les traduire en vision produit claire et en cas d'usage priorisés. – Rédiger et maintenir le backlog : user stories et critères d'acceptation adaptés aux produits IA, adossés à des métriques ML (MAE, RMSE, qualité des réponses, gains opérationnels). – Prioriser les fonctionnalités selon la valeur métier, la faisabilité technique et le ROI, et arbitrer entre besoins métiers et contraintes techniques. – Construire et communiquer une roadmap par produit (MVP, phases de test, mise en production). Delivery Agile & collaboration technique – Piloter le delivery en environnement Agile, outillé Jira et Confluence : animation des rituels (sprint planning, revues, démonstrations) et documentation produit. – Travailler au quotidien avec l'équipe technique (data scientists, data engineers, DevSecOps) : affiner le besoin, valider les incréments et garantir l'alignement sur la définition du « done ». – Coordonner les data engineers sur la mise en place des pipelines de données qui alimentent l'entraînement et l'inférence des modèles. – Faciliter l'alignement avec les directions métiers (ingénierie des eaux, qualité, exploitation) via des ateliers (design thinking, revues produit). Validation, mise en production & amélioration continue – Définir les critères de succès et valider la performance des modèles (précision, robustesse, gains opérationnels mesurés). – Superviser la mise en production, le monitoring des dérives et le retraining des modèles. – Piloter les KPIs produit et accompagner l'adoption : formations, supports pédagogiques et recueil des feedbacks pour itérer.

Stratégie & gouvernance Data – Définir et porter la vision des produits Data en alignement avec la stratégie et la gouvernance Data du groupe, en lien avec les parties prenantes métiers et techniques. – Piloter la roadmap d'un portefeuille de produits data & analytics (suivi de la performance commerciale, recommandation, optimisation des prix) et arbitrer les priorités par la valeur business. – Contribuer aux normes, processus et standards de gouvernance des données (qualité, conformité, documentation) pour fiabiliser la donnée exploitée par les produits. Produits data & valorisation de la donnée – Livrer des produits data sous différentes formes : tables prêtes à être consommées par les métiers, jeux de données destinés à l'entraînement des algorithmes, et dashboards décisionnels. – Data & analytics : concevoir et prioriser des tableaux de bord temps réel restituant les KPIs de vente (billetterie, chambres d'hôtels, restauration) pour piloter la performance commerciale. – Recommandation : superviser les algorithmes de personnalisation des suggestions de chambres et d'options associées afin d'optimiser l'expérience client et le taux de conversion. – Revenue management : piloter les algorithmes d'optimisation dynamique du pricing pour ajuster les tarifs à la demande et maximiser le RevPAR et le chiffre d'affaires. Data delivery & collaboration – Traduire les besoins métiers en user stories orientées données, prioriser le backlog par impact business et coordonner les équipes Data Science, Data Engineering et Business. – Piloter les data engineers en charge de la mise en place des pipelines de données (ingestion, transformation, alimentation) qui alimentent les produits data. – Définir avec les équipes techniques les contrats d'interface et les règles d'échange de données entre les applications sources et la plateforme de données. – Opérer en environnement Agile à l'échelle (SAFe), outillé Jira et Confluence : animation des rituels et documentation produit. – Définir les métriques de succès (taux de conversion, RevPAR, satisfaction client), industrialiser la mise en production des modèles et mettre en place le monitoring des données et des dérives (retraining). – Diffuser une culture data-driven : acculturer les métiers, animer des ateliers (ventes, marketing, revenue management) et accompagner l'interprétation des insights.

Vision & roadmap des produits data – Recueillir et cadrer les besoins des équipes métiers, élaborer la feuille de route des produits data et piloter leur mise en œuvre jusqu'à l'amélioration continue. – Couvrir un portefeuille de cas d'usage à forte valeur : pilotage de la performance d'activité, monitoring de l'accidentologie du travail, optimisation des parcours bus et maintenance prédictive. – Livrer des produits data sous différentes formes : tables prêtes à être consommées, jeux de données destinés à l'entraînement des algorithmes, et dashboards de pilotage. Plateforme, architecture & gouvernance des données – Animer, avec l'architecte data, les ateliers de conception de l'architecture du hub de données (datalake, datawarehouse, datamarts). – Piloter les data engineers en charge de la mise en place des pipelines de données (ingestion, transformation, alimentation du hub de données). – Définir avec les gestionnaires applicatifs les contrats d'interface et les normes d'échange de données entre les applications et la plateforme, en garantissant la qualité et la traçabilité des flux. Delivery data & collaboration – Rédiger les user stories, gérer et prioriser le backlog par valeur et complexité, et superviser la livraison de bout en bout. – Coordonner les équipes data (data engineers, data scientists, BI développeurs) et opérer en environnement Agile à l'échelle (SAFe), outillé Jira et Confluence : animation des rituels (sprint planning, poker planning, démonstration, review, daily) et documentation produit.

Stratégie & vision produit – Définir la vision produit des solutions de computer vision (sécurité, gestion du trafic, aide à la décision des autorités de transport). – Identifier les cas d'usage prioritaires : détection du covoiturage, comptage de véhicules, identification d'accidents en environnements complexes (tunnels). – Construire une roadmap stratégique intégrant recherche, prototypage et déploiement. Backlog & critères IA – Créer et maintenir un backlog orienté métier et prioriser selon l'impact, les besoins utilisateurs et la faisabilité. – Définir les critères d'acceptation sur des métriques IA (précision, recall, F1-score, temps de traitement). Collaboration & cycle de vie des modèles – Collaborer avec data science et ingénierie pour entraîner des modèles de vision (plaques d'immatriculation, nombre de passagers, collisions, arrêts anormaux). – Travailler avec les UX/UI designers pour des interfaces exploitables par les clients finaux (autorités routières, gestionnaires de trafic). – Superviser le cycle de vie : collecte & anonymisation (RGPD, CNIL), annotation, évaluation en conditions réelles (jour/nuit, météo). – Définir des pipelines de test et de validation pour garantir la robustesse en environnements complexes (tunnels, embouteillages). KPIs, accompagnement & production – KPIs : détection covoiturage à >95 % de précision, temps de détection d'accident, fiabilité du comptage en conditions variées. – Démonstrations, formations et guides d'utilisation pour les utilisateurs finaux ; monitoring en production, détection des dérives et retraining. DELOITTE — Consultant IT Strat

– Analyse de l'existant : diagnostic des systèmes d'information et propositions de trajectoires d'évolution adaptées. – Planification stratégique : roadmaps alignées sur les besoins, dans le respect des contraintes budgétaires et calendaires. – Gestion de projets de transformation SI : encadrement et accompagnement de la mise en œuvre. – Modélisation financière pour justifier et soutenir les initiatives de transformation IT. – Évaluation de la maturité et de l'efficacité des modèles opérationnels des départements SI. – Accompagnement au changement et gestion des risques technologiques (digitalisation, virtualisation, Cloud, Big Data, externalisation).

– Analyse des besoins métiers : recueil et cadrage des besoins clients, définition de la roadmap et pilotage de sa mise en œuvre. – Gestion de projet : de la conception à la livraison finale, avec optimisation continue du produit. – Gestion des flux de données : contrats d'interface et mapping avec la plateforme de données. – Implémentation de l'architecture data : datalake, datawarehouse et datamart. – Coordination technique : direction de l'équipe dans le développement de solutions de Business Intelligence. – Qualité des données : détection des anomalies, analyse des causes, solutions durables et métriques de qualité. – Documentation et gouvernance : structuration des données en data catalog pour une gestion partagée.