Etienne L.

• Responsable du backend d’Audioliz de bout en bout : ingestion via API REST (payloads audio et JSON), pipeline de transcription (STT), analyse LLM multi-étapes avec génération de JSON structurés, ainsi que reporting BI. • Conception de workflows LLM agentiques combinant transcription, enrichissement contextuel, génération structurée et tool-calling, utilisés en production pour router, scorer et analyser des appels clients. • Développement d’un moteur de règles inspiré de JsonLogic permettant à des non-développeurs de configurer depuis le frontend des déclencheurs de notifications et l’activation de workflows IA, utilisés pour piloter le comportement applicatif ainsi que les exécutions des pipelines LLM sans intervention technique. • Diagnostic de problèmes mémoire sur les workers Celery via Sentry et les métriques Heroku, puis réduction significative de la consommation RAM en remplaçant l’hydratation d’objets SQLAlchemy par des requêtes SQL ciblées, rétablissant le parallélisme sous charge. • Mise en place d’une approche TDD appliquée à l’orchestration des pipelines, aux tests de contrats LLM et aux cas limites d’ingestion. Participation à des POCs d’architecture AWS (S3 / EC2 / SageMaker) pour des traitements audio distribués. • Automatisation de l’ingestion de données via dépôt FTP avec parsing serveur, synchronisation base de données et pipelines de reporting pour l’analyse opérationnelle.

- Développement de pipelines ML sur des données financières et macroéconomiques non-stationnaires, en combinant données de marché, indicateurs macro et signaux de risque dérivés pour l'exploration de signaux de trading - Implémentation d'approches de détection d'anomalies et d'apprentissage supervisé pour la détection de signaux dans des environnements bruités et à régimes variables ; expérimentation avec la génération de données synthétiques et des métriques de filtrage personnalisées pour évaluer la pertinence des signaux et les limites de modélisation

- Conduite de projets ML appliqués et d'analyses de données pour des clients dans les secteurs bancaire, assurantiel et public (Caisse des Dépôts, EDF, CMA CGM). - Développement de modèles prédictifs et d'analyses statistiques pour l'aide à la décision et l'évaluation des risques. - Conception d'un framework Python de prétraitement et d'évaluation réutilisable pour standardiser la livraison des modèles.

Étude sur les différents réseaux antagonistes génératifs (Generative Adversarial Networks ou autrement appelés GANs) et de leur comportement dans un but applicatif. En passant de l'état de l'art à l'implémentation des méthodes permettant d'arriver à des résultats SOTA.

Développement d'une plateforme de gestion d'appels d'offres automatisée pour Aubay France dans le cadre d'un stage. Basée sur l'utilisation du NLP, cette plateforme permet : - D'effectuer l'analyse textuelle et d'extraire les informations principales d'un appel d'offres. (NER) - De classifier ces appels d'offres au sein de BUs - De créer de nouveaux modèles grâce à l'active-learning