Manicandane PARI

• Orchestration agentique (LangChain) d’une génération automatique agentique de sites web via l’intelligence artificielle (brief -> contenu -> maquette), avec RAG (réduction du temps de production de plusieurs jours à quelques heures, coût réduit de 70% vs approche traditionnelle). • Développement d’outils de retouche photo intelligente pour l’e-commerce (10K+ images traitées, réduction du temps de retouche manuelle de 80%). • Conception d’un bot téléphonique de support basé sur IA conversationnelle, avec RAG (FAQ/base de connaissances) pour des réponses fiables (réduction du volume de tickets de 60%). • Industrialisation de pipelines IA (ML, GenAI), tableaux de bord et suivi de la qualité des modèles (déploiement de 45+ modèles, disponibilité 99,9%).

• Mise en place d’une automatisation de la vérification d’éligibilité fibre pour l’équipe commerciale malgré des adresses clients incomplètes (traitement par lot: réduction du temps d’une journée à 10 minutes par lot).

• Mise en production des modèles de machine learning (5+ modèles, 1M+ prédictions/jour). • Mise en place de détection de dérive (data/model drift) et monitoring pour fiabiliser les prédictions critiques (disponibilité des services ML à 99,9%). • Construction de pipelines MLOps via Infrastructure as Code (IaC) (automatisation, CI/CD, suivi de performance) et standardisation des pratiques d’expérimentation (rollback opérationnel en <15 min, réduction du temps de déploiement à une demi-journée).

• Entraînement de modèles multimodaux image-texte pour l’analyse de sentiments et la compréhension de contenus (précision de 93%, traitement de 50K+ échantillons multimodaux). • Développement d’un framework interne de machine learning afin de standardiser et accélérer les expérimentations (réduction du temps d’entraînement de 40%)

• Conception et réalisation d’un système de détection et de mesure automatisées sur images pour fiabiliser les ajustements optiques (réduction du taux d’erreur de 15% à 2%, économie de 3h/jour par opticien).