Tristan Dardoize

● Développements de systèmes multi-agents et d’un client agentique asynchrone & event-driven ● Développement d’agent optimisé pour l'écriture de texte (temps réduit x4) ● Context engineering avancé: prompt avancé, curation de contexte (tokens réduits x5), dynamic prompts ● Guardrails: LLM-as-judge, deterministic rubrics ● Tests agentiques unitaires et d'intégration ● Revues de code ● Revue de littérature sur les World Models ● Ops: industrialisation from scratch d’un serveur HTTP agentique Tech stack : GCP, docker, k8s, terraform, python, Langchain, Langgraph, CrewAI, FastAPI, Convex, Arize Phoenix

Lead ML Engineer au sein de l’équipe Data Science du groupe Accor ● Automatisation de processus de création de campagne CRM (gains 40K€/an) ○ Open-sourcing d’un client python SFMC (SalesForce Marketing Cloud) ○ Rétro-engineering des data models de SFMC Content Builder et implémentation d’utilitaires pour aisément manipuler ceux-ci ○ Exposition par serveur MCP de la logique métier requise à l’automatisation Tech stack : python, mcp, SFMC ● Amélioration de modèle de scoring photo (+30-130% performances) ○ Dev & industrialisation d’une plateforme d’annotations (+10K images annotées) ○ Revue de littérature et fine-tuning de modèles suivant la méthodologie cible (+200K images) ○ Quantization, évaluation, et mise en production (300K images scorées/mois) ○ Supervisation d’une junior Data Scientist Tech stack : AWS, pytorch, streamlit, transformers, deepspeed ● Mise en place de RAG sur le design system Accor (impact : 40 UX) ○ Conception de l’architecture d’ingestion du CMS associé: SuperNova ○ Expérimentation de méthodes de RAG ○ Déploiement en dev pour bêta-testing Tech stack : python, LangChain, AWS, ChromaDB/PostgreSQL ● Développement de pipelines de données pour alimenter at scale, le modèle prédictif développé par un autre Data Scientist Tech stack : dbt, Snowflake ● Industrialisation cross-cloud (AWS-GCP) d’un workflow d’extraction de métadonnées d’images (10K prédictions/mois) ○ Architecture et mise en place de l’infrastructure (Fédération d’identité) Tech stack : GCP, AWS, Terraform

Divers projets m’ont permis de développer mes compétences en entraînement de modèles de Deep Learning, en valorisation des données et en compréhension des enjeux liés au secteur de la défense. Responsabilités : • Évaluation des performances de systèmes à travers des modèles statistiques • Analyse de données massives issues de données captées par des capteurs • Fine-tuning et mise à disposition de modèles de Computer Vision Stack: • HDFS / pyspark • Pytorch • Flask

Mission en freelance en tant qu’ingénieur logiciel au sein d’une start-up DeepTech spécialisée dans l’analyse automatisée d’images à grande échelle. Responsabilités : • Cadrage de besoin métier, spécification technico-fonctionnelle et chiffrage • Architecture et conception de solutions techniques répondant aux besoins • Développement de composants logiciels et intégration Stack : • Python