Oussama Benlahmar

– Conception et développement d'une plateforme locale de Chatbot RAG permettant l'interrogation intelligente de documents bancaires – Mise en place d'un pipeline complet d'ingestion documentaire : upload, stockage, parsing multi-format, segmentation en chunks, indexation et suivi des traitements asynchrones. – Benchmark et comparaison de frameworks RAG (LangChain, LlamaIndex, Haystack, RAGFlow). – Étude et implémentation d'une approche GraphRAG pour modéliser les relations entre données via un graphe de connaissances. – Implémentation d'une architecture Hybrid RAG combinant recherche sémantique, recherche par mots-clés, GraphRAG et RAPTOR pour améliorer la qualité des réponses. – Mise en place d'un traitement asynchrone avec Celery et Redis pour gérer les tâches longues : ingestion, embeddings, indexation, GraphRAG et RAPTOR. – Amélioration de l'accès à l'information interne grâce à une solution scalable, réutilisable et adaptée aux contraintes de confidentialité. – Technologies: Python, FastAPI, Next.js, Celery, Redis, MySQL, MinIO, Elasticsearch, Infinity, FAISS, Sentence Transformers, GraphRAG, RAPTOR, LM Studio/Ollama, LangChain, LlamaIndex, Haystack, NetworkX.

– Développement d'un système de vision par ordinateur pour l'analyse automatique des rayons en magasin. – Identification des produits et des marques avec une précision supérieure à 90%. – Conception d'une interface interactive pour la visualisation des résultats et la génération de rapports. – Optimisation du pipeline de traitement permettant un fonctionnement quasi temps réel (5 à 15 secondes par image).

– Conception d'un assistant intelligent pour lire, analyser et résumer automatiquement des contrats PDF. – Mise en place d'un système RAG (Retrieval-Augmented Generation) combinant LLM, OCR et embeddings. – Développement d'un système de question-réponse basé sur le contenu des documents. – Création d'une plateforme centralisée permettant de consulter et interroger les contrats en toute confidentialité (ChatPDF).