JULIEN CARDI

– Reconstruction complète du pipeline d'extraction documentaire : remplacement d'une architecture fragile (Redis + embeddings + RAG + modèles premium) par un système Kafka async minimaliste. Résultat: 50k+ docs, 99.2% succès, coût divisé par 3. – Conception d'un algorithme de clustering d'actions à contraintes : extraction de features par LLM (orientation, entités, nature) injectées comme pénalités dans la matrice de distance avant HAC. A résolu les limites de deux tentatives précédentes. – Analyse de risque : calcul d'acceptabilité par partie prenante à partir de matrices stakeholders × actions. APIs async, validation Pydantic stricte. – Routing intelligent Gemini Flash → Gemini 2.5 Pro (fallback OpenAI), sélection complexité/coût. – LLMOps: concurrence rate-limit aware, retries exp-backoff, DLQ, dashboards Prometheus/Grafana (p95 latence, coûts, densité d'extraction).

– Plateforme d'agents conversationnels (Python/FastAPI): compréhension du besoin en langage naturel, génération d'un agent adapté, exposition d'un endpoint prêt à l'emploi. – Génération auto d'outils agents depuis specs OpenAPI (spec → schémas → runtime); automatisation tickets Jira. – Suite de benchmarking (accuracy, coût, latence) pour comparer modèles et prompts avant mise en prod. – Déploiements automatisés Docker/K8s via GitLab CI/CD.

– SaaS IA: parsing de CV + outreach personnalisé. Stack complète en solo: React/TS, Fastify, PostgreSQL, Redis/BullMQ, Stripe. LLM multi-providers. – 150 inscriptions.

– Pipeline ML end-to-end de prédiction RSSI remplaçant une API tierce payante; erreur réduite de ~70% vs. baseline.