Myriam F.

Mission : Réalisation d’un POC de migration d’un ETL DataStage vers la plateforme Databricks pour SNCF Objectifs : •Évaluer la faisabilité technique et fonctionnelle de la migration •Automatiser et moderniser les workflows de traitement de données •Réduire la dette technique liée à l’utilisation de DataStage Réalisations : •Analyse de l’existant DataStage : inventaire des jobs, identification des dépendances et des complexités •Utilisation de l’outil BladeBridge Converter pour la conversion automatique des jobs DataStage en notebooks Databricks (PySpark) •Nettoyage et adaptation du code généré pour respecter les bonnes pratiques Databricks •Mise en place d’un environnement de test sur Databricks pour valider les jobs convertis •Automatisation de l’exécution via Databricks Workflows

Projet réalisé pour Volkswagen Group France – Automatisation du traitement des formulaires de gestion des coûts de garantie. Objectifs : •Réduire les délais de traitement •Améliorer la fiabilité des données •Faciliter le pilotage via des dashboards dynamiques Réalisations : •Mise en place de dashboards Power BI pour : • Suivi de la conformité des formulaires • Analyse des comportements utilisateurs (mécaniciens / chatbot) • Suivi de la performance du chatbot •Surveillance en temps réel des processus automatisés (extraction / injection) •Visualisation des anomalies pour correction rapide •Analyse de la consommation de tokens LLM afin d’optimiser les ressources •Aide à la prise de décision grâce à une visualisation claire des résultats

Développement d’un chatbot conversationnel pour Randstad France, facilitant l’accès à la base de connaissances interne. Objectifs : • Centraliser l’accès à la documentation • Optimiser la recherche d’informations • Améliorer l’expérience utilisateur Réalisations : • Récupération et stockage de documents depuis Azure Blob Storage (PDF, Excel, Word) et intégration dans une base vectorielle via LangChain et Azure Search. • Mise en place d’un processus de vectorisation et de découpage des documents, avec utilisation d’un prompt personnalisé pour OpenAI GPT-3, adapté au contexte Randstad. • Optimisation de la recherche via le modèle RAG (Retrieval Augmented Generation), combinant recherche vectorielle et génération de texte pour des réponses plus pertinentes. • Amélioration de la qualité des documents scannés à l’aide de modèles OCR (Tesseract, EasyOCR) et transformation des fichiers Excel en PDF pour ingestion optimale. • Filtrage par produit avec ajout de tags pour affiner les résultats dans l’application. • Utilisation de l’historique de la conversation pour améliorer les réponses obtenues. • Ajout d’une base de données qui contiendrait les questions similaires afin que l’utilisateur puisse sélectionner une question pertinente. • Mise en place d’un système du feedback permettant aux utilisateurs de contribuer à l’enrichissement de la base de données des suggestions • Récupération des questions utilisateurs, vectorisation de la question puis recherche hybride