Khouloud Mnassri

MultiSent-RAG : conception et développement d'un système multilingue (12 langues) d'analyse de sentiment par RAG-LLM sur des données structurées et non structurées. Gains de 70 à 110 % en prédiction, au niveau de LLM fine-tunés pris en référence (LLaMA-3, Mistral, BLOOMZ). Metaverse (consortium R&D européen) : construction d'un assistant intelligent (chatbot) qui aide les techniciens dans la maintenance aéronautique. Le système interroge et résume la documentation des équipements grâce au RAG et à la recherche sémantique. En collaboration avec l'équipe cloud, la solution a été conteneurisée avec Docker puis déployée dans le cloud. MAMA : développement d'un framework multi-agents qui gère une mémoire partagée afin d'optimiser l'inférence LLM. En s'appuyant sur cette mémoire, MAMA atteint le niveau de performance de GPT-4o-mini avec 93 % de réduction de coût (des appels API). Évaluations sur 5 benchmarks de classification. AI-CONCORD : contribution au montage d'un projet européen multi-partenaires (lots de travail, planning et budget de la proposition).

Conception d'un modèle de classification de discours toxique par apprentissage multi-tâches. Un shared encoder (BERT / mBERT) synchronise les représentations entre la tâche principale et une tâche auxiliaire d'émotion (via feature sharing), ce qui améliore la F1 de 3 % et réduit les faux positifs. SS-GAN-mBERT : développement d'un GAN semi-supervisé qui réduit le besoin d'annotations. En exploitant les données non étiquetées, il entraîne des classifieurs multilingues performants avec 20 % de données annotées.