Mohamad Saab

Senior AI Engineer & Expert IA – IA générative & agentique en contexte grand groupe. Projet : Client TOTAL – Secteur Énergie (sept. 2025 – oct. 2026) Reprise d'une application de gestion reçue non fonctionnelle : correction des anomalies et intégration des évolutions client avec l'IA, pour réduire les délais et le nombre de développeurs mobilisés. • Outillage IA : mise en place de Claude Code, GitHub Copilot et GitHub CLI. • Correction de l'ensemble des anomalies (le code ne compilait pas) avec vérification systématique des résultats produits par l'IA. • Intégration des évolutions client avec l'IA et contrôle du code généré. • Mise en production sur serveur VPS, configuration et tests. Projet : ProductX – POC et mesure de la consommation d'IA (juin – août 2025) • Intégration d'outils d'IA générative (Claude Code, GitHub Copilot) sur tout le cycle de développement : génération, refactoring, documentation, tests. • Suivi des tokens, crédits, usages et coûts par modèle et par outil. • Évaluation des modèles et stratégies de prompting, Human-in-the-Loop, définition de bonnes pratiques. Projet : Chatbots RAG & agent vocal IA – Syndicats FO et CFT Capgemini (mars – avril 2025) • Un chatbot RAG par syndicat (folextravail.netlify.app) : chunking, embeddings, base vectorielle privée (Pinecone), recherche hybride. • Agent vocal IA (LLM + TTS/STT) 24/7 avec contexte multi-tours, escalade vers un conseiller humain et journalisation. • Déploiement, tests et évaluation de la qualité des réponses. Projet : Client BIOLEAD – Secteur Biotechnologie (nov. 2024 – fév. 2025) • Mise en place de GitHub Copilot et accompagnement de l'équipe aux bonnes pratiques IA. • Modules de recherche avancée, filtrage dynamique et dashboards React.js ; intégration API et web scraping ; cartographie (Leaflet/Mapbox) ; monitoring (Sentry, Datadog). Projet : Projet DATA – Implémentation et test de modèles d'IA (janv. – oct. 2024) • Sélection, implémentation et évaluation de modèles Hugging Face / Kaggle (audio, texte, image), intégration et validation sur des données AWS, API REST. Projet : Développeur Python – Capgemini R&I (oct. – déc. 2023) • API REST Python (FastAPI) mesurant l'empreinte carbone de l'IA (Green AI) sur tout son cycle de vie, tests pytest. Projet : Client Airbus Helicopters – C-Checker (juin – sept. 2023) • API REST d'analyse de corrosion par traitement d'images (OpenCV, scikit-image) : -35 % de faux positifs, -50 % de temps de calcul, couverture de tests > 80 %, conformité EN/AS 9100. Projet : Développeur Java – Airbus Helicopters (mars 2022 – mai 2023) • Intégration des algorithmes du bureau d'études dans Spring Boot, API RESTful, tests unitaires et fonctionnels, déploiement et tests sur AWS, analyse des logs (CloudWatch). Environnement technique : LLM, RAG, Pinecone, Claude Code, GitHub Copilot, prompt engineering, Hugging Face, TTS/STT, Python, FastAPI, Java, Spring Boot, React.js, Node.js, SQL, AWS (S3, CloudWatch), VPS, CI/CD, Git, OpenCV.

Contexte : missions critiques pour l'IRSN (Institut de Radioprotection et de Sûreté Nucléaire) et le CEA (Commissariat à l'Énergie Atomique) – automatisation de production, maintenance prédictive et plateformes IIoT sous haute criticité. • Pilotage industriel : développement de logiciels de pilotage pour lignes automatisées avec dashboards cloud temps réel (React.js + API REST Java/Spring Boot). • Maintenance prédictive : conception de pipelines Machine Learning (scikit-learn, pandas) pour la prédiction de pannes équipements – réduction des arrêts non planifiés de 25 %. • Plateformes IIoT : architecture end-to-end edge computing (Python) + backend (Java/Spring Boot) via protocoles MQTT/OPC-UA – acquisition de données industrielles en temps réel. • Data pipelines : traitement et transformation de flux de données capteurs sous contraintes de criticité (temps réel, redondance, traçabilité réglementaire). Environnement technique : Java, Spring Boot, Python, Fortran, IIoT, SCADA, MQTT, OPC-UA, Edge Computing, Machine Learning, scikit-learn, pandas, pipelines de données.

Mission : développement de modèles de simulation numérique pour l'analyse de scénarios d'accidents nucléaires graves. • Modélisation cinétique chimique, thermodynamique et transport de matière en conditions extrêmes. • Calcul scientifique haute performance (HPC) sur clusters – optimisation des codes de simulation (speedup ×4 sur 128 cœurs). • Validation des modèles par benchmarks internationaux de sûreté réglementaire (OCDE/NEA). Environnement technique : Python, Java, Fortran, HPC (MPI/OpenMP), simulation numérique, chimie computationnelle, sûreté nucléaire.

Mission : optimisation des procédés de raffinage pétrolier par simulation numérique. • Implémentation de modèles CFD (phénomènes de transport) et cinétiques catalytiques pour l'optimisation des réacteurs. • Analyse statistique de données expérimentales et optimisation des conditions opératoires (T, P, débit) – amélioration du rendement catalytique de 12 %. Environnement technique : Python, Fortran, CFD, cinétique chimique, thermodynamique, optimisation, R&D industrielle.

Mission : thèse de doctorat sur le contrôle photochimique par impulsions laser ultracourtes. • Développement de codes de simulation (Python/Fortran) pour la dynamique moléculaire induite par laser – validation expérimentale par spectroscopie (UV-Vis, IR, Raman). • Publications dans des revues scientifiques internationales à comité de lecture. Environnement technique : Python, Fortran, HPC, dynamique moléculaire, chimie quantique, spectroscopie.