Farid Gnankambary

Développement d’un SaaS RegTech de contrôle interne réglementaire pour les établissements financiers (LCB-FT, arrêté du 3 novembre 2014, ACPR). • Conception et industrialisation de Di Tech Control : automatisation intelligente de 250+ points de contrôle internes LCB-FT. Pipeline complet d'ingestion documentaire, extraction/analyse par LLM et génération de rapports explicables et auditables destinés aux équipes conformité. • Mise en place d’une base de connaissances RAG vectorisée (Weaviate + embeddings LLM) indexant la réglementation LCB-FT, les procédures internes et les historiques de contrôles (200+ rubriques, découpage sémantique). • Conception de Di Tech Decision : agent de décision RegTech (superviseur + sous-graphes risque, scoring LCB, conformité, reporting) pour l'aide à la décision et l'automatisation de processus métier sensibles. • Souveraineté et conformité des données (RGPD / exigences bancaires) : anonymisation AES-256, zero-retention LLM, architecture multi-tenant sécurisée. Structured outputs (Pydantic) garantissant la conformité des sorties aux schémas SI. • Évaluation continue (LangFuse / LLM-as-Judge, détection de dérive, latence, stabilité) et monitoring MLflow. Déploiement conteneurisé AWS (Docker, ECS) avec CI/CD GitHub Actions. Présentations aux équipes métier et conformité. Résultats clés : - Réduction de plus de 70 % du temps consacré aux contrôles réglementaires. - Garantie de conformité et d’explicabilité (chaque constat cite sa source documentaire). - Stack orientée production : LLM, RAG, pipelines de données non structurées, sécurité RGPD.

• Conception d'un système de recommandation hybride (Content-Based + RAG) avec LangChain, Llama-3, FAISS et Sentence Transformers sur 4 000+ CV et offres d'emploi — amélioration significative de la pertinence du matching. • Développement d'une suite d'évaluation Python (pertinence, équité, détection d'hallucinations) sur jeu de données de référence annoté. • Pipelines MLOps de bout en bout sur Azure : parsing PDF, anonymisation PII (RGPD), structuration par LLM, web scraping et ingestion automatisée à grande échelle.