MarK Bahloul

BCome.ai conçoit et met en production des systèmes d'intelligence artificielle conversationnelle et autonome pour les entreprises B2B : agents vocaux temps réel, RAG haute précision, orchestration multi-agents LLM. De l'architecture au hand-off, en autonomie complète. Réalisations : Agents vocaux de prospection (cold call) quasi 24/7 sur plusieurs secteurs (énergie, juridique, bâtiment), avec catégorisation et priorisation automatique des prospects. Agents vocaux d'interview et de passation de connaissances métier pour un leader mondial FMCG. Plateforme d'agents IA dynamiques et configurables pour le secteur parapublic (collectivités territoriales), architecture temps réel. Assistants conversationnels multi-agents avec RAG pour le secteur public (mairies, administrés). Agrégateur et catégoriseur de données multi-sources pour le secteur pharmaceutique. Chatbot vocal de recommandation œnologique (RAG + STT/TTS). Résultat : 10+ clients B2B livrés (startups, ETI, organisations parapubliques, prestataires de grands groupes internationaux 8 modules agents livrés en 18 mois plusieurs dizaines de milliers d'appels vocaux automatisés en production systèmes documentés et opérés en autonomie par les clients après livraison.

Twinsly est un SaaS de prospection IA (setting) sur Instagram, 100% français. Co-fondateur et associé à 50%, en charge de la technique : CTO, DevOps, développement back-end et IA. Réalisations : Architecture et développement complet de la plateforme de bout en bout (back-end, IA, infrastructure, CI/CD). Double système RAG pour personnaliser finement les réponses de chaque agent en fonction de son contexte et de sa cible. Gestion vocale avancée : lecture, clone de voix et envoi de messages vocaux Instagram, pour une prospection indistinguable d'un humain. Customisation poussée permettant à chaque utilisateur de créer une IA réellement unique, avec sa voix, son style et son périmètre. Produit 100% self-service, configurable sans aucune compétence technique. Résultat : plateforme en production, stack 100% souveraine (hébergement et modèles français quand pertinent), architecture scalable prête à absorber le volume utilisateur.

Conception et développement d'une plateforme SaaS permettant à des organisations parapubliques (collectivités territoriales) de déployer et configurer dynamiquement leurs propres agents IA conversationnels, chacun avec ses outils métier et son périmètre d'action. Réalisations : Architecture temps réel (Django Channels, WebSocket) pour des échanges conversationnels fluides à grande échelle. Orchestration multi-agents : chaque agent est configurable dynamiquement avec ses propres outils (génération d'images, requêtes HTTP, accès bases de données, etc.) et son périmètre d'action. Back-end complet et intégration LLM, avec mécanismes de routage et de délégation entre agents. Plateforme self-service permettant aux clients de créer et opérer leurs agents sans compétence technique. Résultat : Plateforme livrée et deployé conjointement avec les besoins clients, de l'architecture à la mise en production plateforme opérée en autonomie par le client, déployée sur plusieurs communes.

Conception et déploiement d'un agent vocal capable de mener des interviews structurées et de capturer les connaissances métier pour un leader mondial de la grande consommation (FMCG). Réalisations : Système d'interview vocal automatisé de bout en bout : conduite d'entretien structuré, extraction et structuration des connaissances métier. Architecture cloud scalable (Kubernetes) pour absorber un volume d'appels en production à grande échelle. Intégration LLM pour la compréhension contextuelle et le suivi dynamique du fil de l'entretien. Résultat : plusieurs milliers d'appels réalisés en production mission de 4 mois livrée en autonomie complète, de la conception à la mise en production.

Conception et industrialisation d'une plateforme d'agrégation de données pour le plus grand agrégateur de montres en ligne, startup française à vocation internationale positionnée sur le segment luxe. Réalisations : Architecture web automatisant la collecte de données depuis plus de 60 sources hétérogènes (scraping + API), avec résilience aux changements de structure. Pipeline de nettoyage et d'enrichissement par IA pour fiabiliser la qualité des données remontées. Techniques de NLP (NER) pour transformer les données brutes en données structurées, adossées à une encyclopédie horlogère conçue sur mesure pour le projet. Déploiement et industrialisation de l'infrastructure sur AWS : RDS PostgreSQL, Lambda, Elastic Beanstalk, EC2. Management d'une équipe de 8 à 10 personnes (développeurs, QA, data) : recrutement complet, définition des standards de qualité code, supervision des opérations de collecte et de nettoyage. Résultat : mission de 17 mois menée de la conception à l'industrialisation.

Formations DevOps dispensées à des promotions de développeurs en reconversion chez O'Clock, école de formation tech 100% en ligne. Réalisations : Formation aux pratiques CI/CD et à l'infrastructure as code. Services cloud AWS : EC2, RDS, Lambda, S3, Elastic Beanstalk. Déploiement conteneurisé (Docker) et intégration dans des workflows GitHub Actions. Conception de supports et d'exercices pratiques ancrés sur des cas concrets de production. Résultat : montée en compétences de développeurs en reconversion sur une stack cloud directement opérationnelle en entreprise.

Conception et mise en œuvre d'une solution de synchronisation labiale basée sur l'IA pour la traduction multilingue de contenu audiovisuel, dans le cadre d'une mission courte pour un acteur du secteur média. Réalisations : Intégration de modèles de Deep Learning pour distinguer et identifier les intervenants dans des échanges multilingues. Modèle d'amélioration de qualité d'image appliqué aux séquences traitées. Reconnaissance faciale et association voix-visages pour attribuer correctement chaque piste audio à son locuteur. Déploiement conteneurisé (Docker) avec scripts d'inférence et API d'exposition des modèles. Résultat : pipeline complet livré, de la détection des intervenants à la resynchronisation labiale multilingue.

Contribution à la réalisation d'outils d'éditique et à la modernisation de systèmes applicatifs pour le compte de mutuelles, dans le cadre d'une mission chez un éditeur de logiciels spécialisé. Réalisations : Développement d'outils d'éditique pour mutuelles : templates HTML Django, serializers complexes pour entités multiniveaux, insertion dynamique de données dans des PDF. Modernisation de systèmes historiques : effacement de dette technique, révision et simplification de projets anciens. Optimisation des configurations Docker Compose pour fluidifier les cycles de développement et de déploiement. Développement d'un microservice de passerelle entre deux systèmes monolithiques. Réappropriation et gestion de projets sous-traités pour garantir la continuité opérationnelle. Résultat : applications et API livrées, systèmes anciens fiabilisés et rendus maintenables par les équipes internes.

Création et développement d'une application web d'analyse des performances sportives par Computer Vision, en collaboration avec un laboratoire de recherche universitaire et un étudiant en Master STAPS (Ingénierie de l'entraînement sportif). Réalisations : Pipeline de Computer Vision pour l'étude posturale et le suivi d'objets, principalement appliqué à l'haltérophilie. Intégration de modèles de détection (YOLO) et de pose estimation (Mediapipe) pour capturer les mouvements athlétiques avec précision. Application web complète pour la visualisation et l'analyse des performances, du traitement vidéo à la restitution des métriques. Collaboration scientifique avec un laboratoire de recherche pour valider la justesse des mesures. Résultat : précision de l'outil comparée aux meilleurs instruments de mesure du marché et validée par le laboratoire partenaire.

Alternance de fin de formation (Simplon) au sein d'une entreprise du secteur de l'énergie, sur des problématiques de scraping, NLP et qualification automatique de prospects et candidats. Réalisations : Pipelines avancés de NLP et algorithmes d'IA pour le scraping, l'acquisition et la qualification automatique de prospects. Modèles de classification et de régression (Scikit-learn) pour prédire les prospects les plus rentables par zone géographique. Scraping massif de données de consommation et d'identifiants SIRET. Visualisation géographique des données (Pandas, Folium) pour exploiter les résultats sur le terrain. Outil automatisé de récupération et de catégorisation de CV par NLP pour le recrutement. Conception du back-office web métier (Django). Résultat : pipeline complet de qualification de prospects et de candidats livré, de la collecte à la visualisation géographique exploitable.

Pendant plus d'un mois, en collaboration avec des collègues de promotion, j'ai participé au démarrage d'une startup spécialisée dans l'intelligence artificielle et la data science. Mes responsabilités ont été axées sur l'entraînement de modèles de machine learning et leur intégration dans des applications web via Django.