Ibrahima Ba

Depuis mai 2026, je suis Machine Learning Engineer chez Qwant, où je travaille sur deux axes principaux : la catégorisation de documents et pages web (conception d'un système de classification inspiré de la taxonomie Google pour structurer le contenu indexé), et le cœur du moteur d'embeddings de Qwant (amélioration de la qualité et des performances de la représentation vectorielle utilisée par la recherche). En parallèle, j'explore de nouvelles approches d'extraction d'information — TextRank sur des chunks de documents, et des modules à base de small language models pour extraire résumés, topics et utterances — ainsi que la conception d'agents IA pour automatiser des tâches de recherche et de traitement de contenu.

membre de l'équipe SIB, je suis en charge du développement des système de recherche multimodale(RAG, LLM, parallel embedding) pour le groupe ouest-france. nous travaillons également sur la mise en place de système de recommandation basé sur des graph neural network(GAT, GNN).

Membre de l'équipe ATLAS, mon rôle principal consiste à enrichir les pipelines de traitement "drug design" en intégrant de nouvelles fonctionnalités. J'utilise une gamme de bibliothèques telles que zeromq, ainsi que des modules de programmation multitâche tels que threading, asyncio et multiprocessing pour créer des versions parallèles des tâches de traitement. je travaille également sur le développement de module de recherche sémantique(similarité de molécule) mais aussi l'intégration des LLM dans la plateforme ATLAS.

Membre de l'équipe SIB, je suis chargé du développement de nouvelles solutions de machine learning. je travaille essentiellement sur les projets suivants : module de classification des articles soit 50 millions d'articles suivant 15 classes de type de discours. module d'analyse de sentiments des articles suivant les émotions anxiogènes, captivante. module de reconnaissance faciale sur une base d'images des élus de Bretagne. module de reconnaissance de genre(Homme,Femme) par analyse d'image des visage pour une génération automatique des baromètre de parité. module de requête par image suivant des mesures de similarité entre clusters d'image.

Membre de l'équipe Data Engineer dans le DATALAB du Crédit Agricole. Ma mission consistait à participer au développement et à l'intégration des solutions d'analyse et de traitement de données. Je travaillais donc sur l'élaboration des architectures mais aussi sur le développement des scripts de différents pipelines de traitement de données en scala spark et python. Mon travail consistait également à l'exploration de nouvelles solutions de segmentation de séquence en utilisant des algorithmes de clustering et des méthodes d'analyse spectrale des séquences.