Stive Romarique Tedom Kamga

1. Développement de solutions GenAI (LLM/RAG) pour Métapolis Conception et déploiement d’un assistant intelligent en architecture RAG (Retrieval-Augmented Generation) : a)Backend : Développement d’une API (FastAPI) pour l’extraction et le traitement de +10 000 documents (SharePoint via LangChain). b)NLP/Embeddings : Prétraitement (parsing, chunking), vectorisation (FAISS, Qdrant), et intégration de modèles multilingues (HuggingFace). c)Retrieval Hybride : Combinaison de BM25, cosine similarity et fuzzy matching + re-ranking pour améliorer la pertinence des résultats. d)LLM Integration : Connexion à Mistral et GPT pour la génération contextuelle, avec exposition via API sécurisée (multi-utilisateurs). e)Frontend : Interface Streamlit avec score de confiance, audit trail et historisation des conversations. f)Construction d’une API avec Fast API pour l’intégration du chatbot IA aux outils internes (Slack). 2. Chef de Projet IA - Région Île-de-France Mission : Mise en place de solution IA a)Conception & Déploiement Pilotage du projet GenIAL : plateforme interne intégrant Llama 2, Mistral, DeepSeek et Qwen pour : -Empêcher la fuite de données sensibles vers des IA publiques (ex: ChatGPT) -Garantir la souveraineté via un hébergement local et des partenariats (Beewant) -Unifier l'accès aux LLMs avec des protocoles de traitement des données RGPD-compatibles b)Cas d'Usage Stratégiques Détection et exploration de 15+ cas d'usage métiers : -Chat bot basé sur le RAG et Graph RAH avec pour connaissances les aides que la Région propose au franciliens -Une IA pour améliorer les process de recrutements -Classification intelligente des dossiers régionaux -Livrables : POCs clés menés à la production, avec suivi des indicateurs d'adoption c)Académie IA - Formation & Adoption Conception du programme "Académie IA" pour 200+ agents : -Modules clés : Rédaction de prompts efficaces pour les besoins métiers -Sécurité : bonnes pratiques pour éviter les fuites de données Formation sur l'utilisation avancée de GenIAL (différence entre Mistral et Qwen) -Impact : Amélioration de l'efficacité des agents de la région, Détection de cas d'usage

-Pilotage d’un projet de développement d’une application web dédiée à la gestion des documents liés aux véhicules (entretien, assurance, vente, réparations). -Mise en place de la méthodologie agile (Scrum) : animation des cérémonies (daily, sprint planning, reviews), priorisation du backlog, rédaction des user stories. -Recueil des besoins utilisateurs, analyse fonctionnelle et gestion des feedbacks terrain pour faire évoluer le produit. -Coordination des équipes pluridisciplinaires (UI/UX designers, développeurs front-end et back-end) pour assurer la cohérence produit. -Suivi et validation des livrables à chaque itération, tests fonctionnels et garant de la qualité produit. -Rédaction de la documentation produit (spécifications fonctionnelles, roadmap, cahier de tests). -Focus constant sur la valeur utilisateur, l’expérience client et l’alignement stratégique du produit.

-Développement d’un modèle d’extraction automatique de données à partir de factures scannées (20 000) à travers la mise en place d’une solution OCR, en combinant les outils Tesseract, Surya et des scripts en Python. -Résultat : 75 % des factures traitées automatiquement. Cadrage de cas d’usage IA avec les directions métiers : -Animation d’ateliers, -Expression des besoins, -Rédaction de cahiers des charges fonctionnels et techniques. Co-construction d’un POC (Proof of Concept) sur un cas d’usage de détection de fraudes grâce à l’analyse d’images par IA, avec une ESN partenaire (CODITTY) : -Pilotage des échanges techniques, -Gestion des jalons de livraison. Création de dashboards Power BI personnalisés pour : -La visualisation des indicateurs de performance liés aux cas d’usage, -Une interaction directe avec les utilisateurs métiers. Veille technologique sur les solutions d’automatisation et de traitement intelligent des documents.