LAHLOU BENIDIRI

Pilotage d'un robot Artificielle dans une chaîne de production, Ordonnancement, Optimisation d'une chaîne de production, Analyse de données industrielles.

Au sein de Capgemini, j’ai accompagné plusieurs grands comptes issus des secteurs de la banque, de l’automobile, de l’énergie, des transports, des médias et de l’environnement dans la conception et le développement de solutions Data et Intelligence Artificielle. Mes principales missions ont porté sur : Data Engineering & Big Data : conception, développement et optimisation de pipelines de données, automatisation des traitements ETL/ELT, intégration et transformation de données structurées, textuelles et géospatiales, ainsi que modélisation et alimentation d’entrepôts de données. IA générative & LLM : conception de solutions basées sur les architectures RAG, intégration de modèles de langage (LLM), structuration et découpage de bases de connaissances, exploitation de bases vectorielles et développement d’assistants conversationnels métier. Machine Learning & Computer Vision : développement de pipelines de détection d’objets et d’anomalies à partir de modèles de Deep Learning. Développement Python & Data Analytics : création de scripts d’automatisation, fiabilisation et contrôle qualité des données, extraction de données complexes et valorisation des résultats à travers des tableaux de bord décisionnels interactifs. Industrialisation & qualité logicielle : mise en place de tests unitaires et d’intégration, automatisation des déploiements CI/CD, suivi des traitements, maintenance applicative et gestion des mises en production. Innovation et R&D : réalisation de POC autour de la Data et de l’IA générative, veille technologique et contribution à la rédaction de propositions techniques et commerciales.

Projet : transition des services de Terrena à l’horizon 2030 12/2020–11/2021 • Déploiement de modèles de Computer Vision pour le comptage automatique du bétail (vaches et porcs). • Reproduction d'un environnement ML local au sein d'un Data Lake et déploiement via Docker et Azure App Services. • Mise en place d'une solution d’IA prédictive de l'état d'irrigation des sols à partir de données météo. • Automatisation de la vérification d'étiquetage produits (ELIVIA) et création d'indicateurs de performance. • Supervision technique d'un stagiaire Data/IA et participation aux ateliers Microsoft. Environnement : Python, R, SQL Server, Databricks, Azure, Docker, Azure App Services, Kanban