Maxim Quénel

Au sein d'Allianz Life Luxembourg, j'ai activement participé à la stratégie de transformation numérique de l'entreprise en concevant, déployant et auditant des solutions d'Intelligence Artificielle innovantes. Mon objectif principal a été d'optimiser l'efficacité opérationnelle tout en garantissant une gouvernance stricte de l'IA. Missions et réalisations clés : Développement de solutions d'IA Générative : Conception et déploiement d'outils d'analyse documentaire (RAG) s'appuyant sur des modèles de langage déployés en local, permettant d'exploiter la base de connaissances interne de manière sécurisée. Automatisation et efficacité opérationnelle : Création de systèmes multi-agents dédiés à la pré-validation des dossiers de conformité. Pilotage de projet de digitalisation : Gestion de bout en bout d'un projet stratégique de mise au numérique, en coordination directe avec divers partenaires externes. Gouvernance et conformité réglementaire : Audit des solutions d'Intelligence Artificielle utilisées et développées en interne afin de garantir leur stricte conformité avec les réglementations européennes en vigueur

Durant mon stage, j’ai travaillé sur l’intégration de l’intelligence artificielle dans le cadre du projet GALITE, un logiciel stratégique de régulation du trafic ferroviaire. Mon rôle consistait à concevoir et expérimenter des solutions innovantes pour faciliter la maintenance et la compréhension du code source par les équipes de développement. Mise en place d’un système RAG (Retrieval-Augmented Generation) pour interroger efficacement un vaste code C/C++, en combinant vectorisation de documents, LLMs et interfaces web. Conception des Clinerules, un ensemble de règles standardisées permettant d’automatiser la documentation technique des fonctions et modules. Développement d’une interface web en Python (Flask) offrant des fonctionnalités avancées : génération automatique de Q/R en JSONL, vectorisation de code et intégration de modèles IA locaux et cloud. Exploration et mise en œuvre de techniques de fine-tuning (LoRA, QLoRA, LongLoRA) pour adapter les modèles aux besoins spécifiques des développeurs. Compétences acquises : NLP, LLMs, fine-tuning, RAG, Flask, vector databases, sécurité SSI, gestion de projet technique, communication avec une direction stratégique.