Architecturé le pipeline d’inférence NLP multilingue « Bartender », pour l’analyse automatisée de documents complexes, intégrant NER, extraction thématique et désambiguïsation sémantique. Entraînement et tuning des modèles réalisés manuellement pour garantir performance et qualité.
Contribué à des briques de Bartender retenues au sein du consortium européen ATLAS, financé par le Fonds Européen de la Défense (FED), renforçant la visibilité et la crédibilité européenne des travaux en traitement automatique du langage.
Optimisé des modèles NLP state-of-the-art (ONNX) dans des contextes contraints, pour améliorer l’inférence et la portabilité.
Mis en production des services IA conteneurisés (Docker, Kubernetes), garantissant robustesse, scalabilité et maintenabilité en environnement industriel.
Implémenté un bus de message asynchrone via Apache Kafka (publisher / subscriber) pour faciliter la communication entre composants applicatifs.
Déployé et maintenu un assistant local basé sur OpenWebUI, supervisant modèles, embeddings, intégration Ollama et plugins IDE, et accompagnant les équipes via des ateliers pratiques pour faciliter l’adoption.
Pilotage en cours de la migration d’OpenWebUI on-premise vers une solution interne sur-mesure, avec responsabilité complète sur la conception de l’architecture RAG : infrastructure, choix des bases de données, recherche hybride, stratégies pre‑RAG et post‑RAG, modèles de ranking et évaluation.
