Sidi CAMARA

Plateforme CTD GenAI — Génération de documents réglementaires, Paris Membre de l'équipe d'ingénierie développant la plateforme GenAI interne de Sanofi pour la génération de documents CTD (Clinical Trial Documents). La plateforme automatise les soumissions réglementaires avec des exigences strictes de traçabilité, sécurité et conformité. Architecture RAG & Agents LLM • Conception et développement de l'architecture RAG end-to-end : parsing de documents, chunking, embedding, vector store (Pinecone, S3 Vectors), retrieval et génération LLM • Intégration de modèles LLM en production : Azure OpenAI (GPT-4o), AWS Bedrock (Claude) • Développement d'agents IA autonomes avec architecture agentic (tool calling, multi-step reasoning) et intégration du protocole MCP (Model Context Protocol) • Développement d'un agent d'optimisation de prompts utilisant le QC en boucle de feedback LLMOps & Quality Control • Conception de l'architecture de tracing avec Weave/W&B : observabilité step-by-step des pipelines LLM en production • Développement d'un framework QC à 4 canaux (format, sémantique, hallucination, tables) avec scoring et métriques • Mise en place de tests de régression intégrés au CI pour détecter les dégradations de qualité LLM • Rédaction de spécifications techniques (design doc 16 sections) alignant Data Science, Data Engineering et Backend Infrastructure & DevOps • Déploiement d'une Lambda QC standalone pour évaluation on-demand hors du flow de génération • Séparation du pipeline d'ingestion par environnement (dev/test/prod) avec namespaces Pinecone dédiés • Optimisation des builds Docker (multi-stage + BuildKit ECR cache) : réduction de 70% des temps de build • Configuration LaunchDarkly feature flags avec targeting multi-contexte pour rollouts contrôlés Stack technique : Python, FastAPI, AWS, AWS Lambda, AWS Step Functions, AWS ECS, AWS Bedrock, AWS S3, Azure OpenAI, LangChain, LangGraph, Pinecone, Weave, W&B, Weights & Biases, Terraform, Docker, GitHub Actions, Snowflake, RAG, Agentic AI, MCP, LLMOps, Prompt Engineering, Function Calling, Spark, Kafka, Airflow, Databricks, Kubernetes, Scala, PySpark, Elasticsearch, FAISS, S3 Vectors

Projet IA Générative : Plateforme RAG d'assistance documentaire • Conçu et déployé une plateforme conversationnelle basée sur RAG permettant d'interroger en langage naturel la documentation projet réduction de 90% du temps de recherche d'information pour les équipes • Développé les connecteurs d'ingestion multi-sources : Confluence API, Jira API, Elasticsearch, emails • Mis en place le pipeline de vectorisation des documents et intégré une base de données vectorielle pour la recherche sémantique • Orchestré les LLM via LangChain avec gestion du contexte, prompt engineering et stratégies de retrieval optimisées • Développé l'API backend (Python/FastAPI) et déployé la solution sur Kubernetes Projet Data Engineering : Pipelines AML & Fraud Detection • Développé des pipelines de données end-to-end (ETL, transformation, scoring, génération d'alertes) traitant des volumes massifs de transactions • Optimisé les traitements Spark via tuning avancé et gestion du data skew • Déploiement et orchestration sur cloud privé avec Kubernetes, Skaffold, Kustomize et S3 • Intégré la plateforme Quantexa (IA) pour la construction de graphes relationnels et l'enrichissement contextuel des alertes AML Leadership & Management • Constitution et management d'une nouvelle équipe data engineering : recrutement, structuration et allocation des ressources • Création et scaling d'une équipe offshore en Inde (4 Data Engineers, 1 DevOps, 1 BA, 1 PO) : onboarding, mentoring et montée en maturité • Encadrement technique : code reviews, décisions architecturales, mentoring des développeurs • Définition des standards de développement, patterns architecturaux et bonnes pratiques pour garantir la qualité et la maintenabilité du code Stack : Pyt

– Construction de pipelines de données sous architecture Micro-Services du parsing des données brutes au scoring des opérations en mode batch et streaming – Maintenance et évolution des applications existantes – Représentation de la cellule fraude chèque aux daily – Compte rendu hebdomadaire sur les actions effectuées et à venir – Développement d'un modèle de machine learning de détection automatique de fraude lié aux chèques (H2O, GBM)

Contexte : Data Engineer et Machine Learning Engineer au sein d'une entreprise fournissant des solutions USSD, dont les clients remontent leurs données pour traitement et analyse. Opération et modernisation de la plateforme data gérant plus de 7 To de données, avec migration depuis une stack ELK vers Hadoop on- premise et AWS, et industrialisation des modèles de Machine Learning. Responsabilités clés : Data Platform Engineering • Modernisation de la plateforme data de l'entreprise, migrant d'une stack ELK vers Hadoop on- premise et AWS. • Construction de workflows Data Engineering scalables pour le reporting métier et l'analytics avancée. • Implémentation et maintenance de la plateforme ELK (Elasticsearch, Logstash, Filebeat) pour l'ingestion, l'indexation et la recherche. • Orchestration des pipelines de données via Apache Airflow et Databricks pour automatiser les traitements à grande échelle. Cloud & Services Data • Conception et déploiement de services data cloud-native sur AWS (EMR, S3, Athena). • Implémentation d'environnements analytiques Amazon Redshift et Athena pour le reporting et l'analyse à grande échelle. • Développement d'APIs REST déployées sur AWS (Lambda / ECS) pour exposer les services Machine Learning et données métier. • Implémentation de pipelines AWS CodeBuild pour automatiser les processus CI/CD et déploiements. Machine Learning • Développement du modèle de segmentation client RFM (Recency, Frequency, Monetary) couplé à du clustering K-means, ainsi que des modèles de rétention client et de détection d'anomalies. • Industrialisation des modèles Machine Learning en exposant les services de prédiction via des APIs REST (Flask). • Collaboration avec les stakeholders métier pour transformer les exigences analytiques en solutions IA prêtes pour la production. Environnement technique : Python, Scala, PySpark, Scikit-learn, TensorFlow, Flask, Kafka, ELK Stack, AWS (S3, EMR, Athena, Redshift, Lambda, CodeBuild), Apache Airflow, Databricks, REST APIs

– Automatisation des processus et tests fonctionnels (C#/Java, Leanft, Azure, DevOps)

– Analyse d'un chapitre de thèse sur les règles de construction d'une classe de graphes – Description et implantation (OCaml) d'un algorithme de génération aléatoire de graphes