Kikia DIA

Automating Mud Report Extraction with Generative AI at SLB Situation At SLB, drilling mud reports contain critical data (viscosity, density, chemical properties) essential for safe and efficient operations. Manual extraction from PDFs was time-consuming and error-prone. Task Develop a reliable automated solution to extract and structure mud report information into a JSON format aligned with the internal database schema (80+ nested fields on physical/chemical properties, metadata, and rheological measurements). Actions Parsed complex PDF layouts using pymudf4LLM and designed a detailed JSON schema with Pydantic Leveraged Large Language Models (GPT-4o) with prompt engineering strategies (zero-shot & one-shot learning) Built a baseline extraction workflow evaluated on annotated mud reports Implemented a multi-model consensus approach to improve reliability without ground truth Introduced a layout-aware adaptive prompting framework for diverse report formats Results Reduced extraction time and minimized human errors Delivered structured JSON outputs integrated into SLB’s well management platform Laid the foundation for expert validation, anomaly detection, and automated mud data analysis

Dans le cadre de mon projet de fin d’études en ingénierie Informatique à l'Ecole Polytechnique de Thiès, j’ai réalisé une alternance de 10 mois (septembre 2023 à juin 2024) au sein du département Data & AI Business Management (DBM) de Sonatel, où j’ai développé des solutions basées sur l’intelligence artificielle pour améliorer l’expérience client. Mon travail portait sur l’analyse de données textuelles issues des descriptions d’appels, avec la mise en place d’un modèle de Topic Modeling pour regrouper automatiquement les milliers de motifs d’appels en une dizaine de thèmes principaux, et d’un modèle d’analyse de sentiment pour identifier les clients mécontents et orienter leur prise en charge. J’ai également exploré les enregistrements audios en développant un proof-of-concept combinant transcription, analyse thématique et détection de tonalité émotionnelle. Enfin, j’ai étudié les flux d’appels pour proposer des approches visant à réduire les volumes, comprendre les motifs récurrents et optimiser les ressources, contribuant ainsi à la satisfaction client et à l’efficacité opérationnelle de Sonatel.

Faire des applications backend avec du Nest js , Mongoose et Mongo DB comme base de données