
Hasnaa Tahri
AI Engineer
Salaire / Taux journalier
Paris, France
Freelance
Peut venir sur site
Expertises
Langues
À propos
Introduction
J'accompagne les entreprises dans le déploiement de solutions IA concrètes et opérationnelles : chatbots RAG, automatisation de processus métiers, système de recommandations ou aide à la décision, etc. Mon approche couvre l'intégralité de la chaîne, du prototype jusqu'à la mise en production industrialisée. À la croisée de la Data Science et du Software Engineering, je conçois des solutions robustes et scalables, avec une logique orientée résultats.
Expérience de travail
AI Engineer
L'OréalFreelance
avr. 2026 - Présent
7 mois
93400 Saint-Ouen-sur-Seine, France
Développement backend Python d'une plateforme d'IA générative déployée sur GCP, servant de hub centralisé pour les capacités d'IA du groupe : • Conception et développement d'APIs REST avec FastAPI, architecture microservices déployée sur Cloud Run • Chat conversationnel multi-modèle : Intégration et orchestration de LLMs (GPT, Gemini, Claude, Mistral) avec streaming SSE, gestion de contexte multi-turn et support multi-modal (texte, images, fichiers) • RAG : Pipelines d'ingestion de documents (PDF, CSV, Excel), vectorisation sémantique et recherche vectorielle via Vertex AI • Système d'agents & tools : Implémentation du protocole MCP (Model Context Protocol), gestion d'outils natifs et externes avec OAuth • Génération d'images : Intégration de modèles text-to-image (Imagen, Firefly, Stable Diffusion) avec support LoRA et raffinement itératif • Registre de modèles : Gestion dynamique multi-provider, activation/désactivation, versioning et configuration centralisée • Connecteurs de données : Intégration SharePoint et Snowflake, synchronisation et indexation de documents enterprise • Évaluation & fine-tuning : Métriques d'évaluation LLM-based, orchestration de jobs de fine-tuning via Vertex AI Pipelines • Infrastructure & data : Persistance Firestore, cache Redis, messaging Pub/Sub, IaC Terraform
Ekimetrics
janv. 2023 - févr. 2026
3 ans 2 mois
Paris, France
Consultante Senior en Data Science
avr. 2024 - févr. 2026
1 an 11 mois
Paris, France
Tikehau Capital - Solutions GenAI : • Implémentation d'un système RAG (Retrieval-Augmented Generation) avec chatbot conversationnel exploitant les rapports annuels pour accélérer l'analyse documentaire et la prise de décision • Développement d'un système automatisé de pré-remplissage des questionnaires de due diligence via LLM, réduisant significativement les délais de complétion des DDQ et améliorant la réutilisation des connaissances L'Oréal Tech Acc - Plateforme SaaS d'optimisation marketing : • Développement backend d'une plateforme SaaS servant 90 modèles MMM optimisant €5Mds de budgets marketing à travers 8 marchés • Conception d'architecture logicielle backend Python/FastAPI sur GCP, incluant la conception de schémas MongoDB et tables BigQuery pour stocker les résultats des modèles et les données d'optimisation • Développement d'endpoints API REST pour l'intégration • Implémentation de tests unitaires garantissant la robustesse et la maintenabilité du code • Mise à l'échelle de la plateforme afin de supporter la croissance de 40 à 90 modèles déployés Interne - NLP Research Lab : • Conception d'un framework agentique d'Explainable AI (XAI) pour l'interprétabilité des modèles ML, permettant aux équipes métier de comprendre et valider les prédictions • Développement d'un framework d'évaluation complet pour applications RAG (métriques de qualité, hallucinations, performance), renforçant l'offre commerciale et assurant la robustesse des déploiements chez les clients Interne - Leadership technique & commercial : • Lead technique sur multiples appels d'offres (RFP), présentant solutions techniques et architectures aux clients C-level • Création et dispense de programmes de formation GenAI en interne ainsi que pour des clients afin d'accélérer l'adoption IA à l'échelle des entreprises
Consultante Confirmée en Data Science
janv. 2023 - mai 2024
1 an 5 mois
Paris, France
Hermes - Modélisation d'élasticité prix : • Conception de modèles économétriques d'élasticité prix analysant la sensibilité de la demande aux variations tarifaires pour une maison de luxe • Réalisation d'un benchmark concurrentiel comparant l'élasticité de la marque vs. compétiteurs pour identifier le prix optimal • Génération de recommandations stratégiques sur la tarification supportant des décisions à fort impact business L'Oréal France - Business Intelligence : • Consolidation et harmonisation de données de ventes multi-sources (régions, canaux, produits) pour un leader mondial de la cosmétique • Développement de dashboards Power BI interactifs et executive-ready pour le reporting global, permettant le suivi des KPIs et l'analyse des performances par marché Interne - NLP Research Lab : • Développement de pipelines de Named Entity Recognition (NER) et Entity Linking pour extraire et lier automatiquement des entités à partir de corpus textuels non structurés • Construction de Graphes de Connaissances et application de Graph Neural Networks (GNN) pour générer des insights et découvrir des relations complexes entre entités • Publication des résultats de recherche dans un article scientifique (dispositif CIR)
Consultante Junior en Data Science
Ekimetrics
sept. 2021 - déc. 2022
1 an 4 mois
Paris, France
Hyundai - Scoring prédictif : • Développement d'algorithmes de Machine Learning prédisant la probabilité d'achat sur 6 mois à partir de données CRM comportementales et transactionnelles • Optimisation du ciblage marketing et réduction du churn client de X% grâce à une segmentation basée sur les scores de propension Hyundai / Axa / Artist - Marketing Mix Modeling : • Conception de modèles économétriques quantifiant l'impact et le ROI de chaque canal marketing • Développement d'algorithmes d'optimisation budgétaire maximisant les revenus sous contraintes, guidant l'allocation de budgets multi millions
Data Scientist
Dassault Systèmes
mars 2021 - août 2021
6 mois
78140 Vélizy-Villacoublay, France
Conception et implémentation d'un système de machine learning en environnement cloud pour anticiper les montées en charge du logiciel CATIA et optimiser automatiquement le provisionnement des machines virtuelles. Responsabilités et réalisations clés : • Collecte et préparation des données : Mise en place d'une pipeline de collecte de métriques système (CPU, mémoire, requêtes réseau) et de données d'utilisation historiques pour créer un dataset d'entraînement représentatif des patterns de charge réels. • Développement de modèles prédictifs : Conception et entraînement de plusieurs modèles de machine learning pour prédire les pics de charge avec une fenêtre d'anticipation de 15 à 30 minutes, permettant un scaling proactif plutôt que réactif. • Automatisation du scaling : Intégration des prédictions du modèle avec l'infrastructure cloud pour déclencher automatiquement le provisionnement ou la dé-allocation de VMs selon les besoins anticipés, réduisant ainsi les temps de latence lors des pics d'utilisation tout en optimisant les coûts.
Formation
Université de Rouen Normandie
Master, Sciences et Ingénierie des Données, parcours Sciences des Données, Data Science
2020 - 2021
1 an 1 mois
Institut national des Sciences appliquées de Rouen
Diplôme d'ingénieur, Génie Mathématique, parcours Sciences des Données
2016 - 2021
5 ans 1 mois