London, UK • EMEA
Français
Anglais
AI/ML Engineer construisant des agents IA d'entreprise en production, des systèmes RAG gouvernés et des pipelines ML dans des environnements cloud. J'interviens du cadrage avec les parties prenantes et de l'architecture jusqu'aux intégrations, à l'évaluation, au déploiement, à la sécurité, à l'observabilité, à l'adoption et à l'enablement technique.
Disponible immédiatement pour des opportunités basées à Londres et ouvert aux rôles dans la zone EMEA. Me contacter
Disponible immédiatement pour des opportunités basées à Londres et ouvert aux rôles dans la zone EMEA. Me contacter
Champion du Monde Junior| Prague, 2019
2x Vice-Champion de France| 2024, 2025
Top 15 Mondial| Actuel
Expérience Professionnelle
Decathlon FranceSept. 2025 - Présent
AI Engineer- Pilotage des réunions de cadrage client et du delivery de bout en bout de DAISI (Decathlon AI Supplier Informations), Enterprise Agent Google Chat en production pour les workflows fournisseurs et finance : intégration Workday Finance, APIs internes, gestion des factures, procédures d'achat et organisations internes. Conçu pour une population cible de 10 000 utilisateurs, avec un impact annualisé communiqué de 13 000 h/an économisées.
- Implémentation de DAISI sous forme d'agent ReAct avec LangChain/LangGraph, FastAPI, Gemini et Vertex AI, Vector Database and Search, Cloud Run, Cloud SQL, MLflow/Databricks, Model Armor, DLP, garanties RGPD et Terraform. Optimisation des coûts, de la latence, du passage à l'échelle, de la sécurité, du cache et de la fiabilité runtime tout en conservant des réponses traçables et sourcées.
- Validation de la préparation à la production via tests d'intégration, rapports techniques détaillés, contrôles de sécurité, traces d'évaluation et load test réussi à 2 000 utilisateurs concurrents.
- Conception d'interfaces d'interopérabilité compatibles A2A et développement d'une Agent Factory interne avec librairies, templates, interfaces d'outils, traces, évaluation, observabilité, sécurité et standards de déploiement réutilisables, améliorant le time-to-market des agents jusqu'à 5×.
- Pilotage d’OpsBot, Enterprise Agent maintenance, sécurité et conformité. Mise en place d’un RAG gouverné avec réponses sourcées, fallback sécurisé, traces MLflow, évaluation, Cloud Run, Vertex AI RAG Engine, Terraform, garanties RGPD et librairie d'agents partagée. Impact attendu et hypothèse de ROI : 14 500+ h/an réallouées et ~540 k€ de productivité réallouée.
- Création de Summarizer, plateforme de résumé avec Gemini orchestrée par Airflow/MWAA, AWS EKS/S3/ECR, refresh Delta Databricks, validation runtime et runbooks opérateurs.
- Présentation des pratiques de développement d'agents en production à 100+ collaborateurs et animation de 30+ h de formations GenAI, IA et Tech sur l'architecture, l'évaluation, la sécurité, l'observabilité et le delivery cloud.
- Animation de l’innovation AI/Tech interne via newsletter hebdomadaire, guide d’onboarding, documentation/runbooks et hackathons internes.
LangChain
LangGraph
RAG
Gemini
Vertex AI
GCP
Cloud Run
Cloud SQL
Terraform
FastAPI
MLflow
Databricks
Airflow/MWAA
AWS EKS
S3
ECR
Docker
PostgreSQL
Decathlon BelgiumMai 2025 - Août 2025
Machine Learning Engineer- Pilotage de Belgium Forecast, projet stratégique transformant les besoins de forecasting des équipes métier en prédictions en production pour 8 KPI de ventes clés, dont GMV et articles vendus, segmentés par canal (InStore/OutStore, 1P/3P) sur 64 catégories sportives.
- Construction d'un pipeline automatisé couvrant Prophet et XGBoost, Apache Spark, PySpark, Databricks, Delta Lake, AWS S3, Airflow/MWAA et MLflow, remplaçant un processus manuel par un entraînement et un delivery reproductibles.
- Amélioration de 15% des prévisions, mesurée avec le MAPE, par rapport au processus manuel grâce au benchmark de Prophet, XGBoost, LightGBM et Chronos-Bolt, au feature engineering météo, jours fériés et variables décalées, ainsi qu'au traitement parallèle avec joblib.
- Déploiement des modèles au MLflow Model Registry pour l'inférence en production, automatisation des exports Google Sheets et Tableau pour les équipes métier, et mise en place de CI/CD GitHub Actions, quality gates SonarCloud et documentation Sphinx.
Prophet
Apache Spark
Databricks
MLflow
AWS S3
Airflow
GitHub Actions
Python
Beobank NV/SAMai 2023 - Août 2023
Data Scientist- Traitement et analyse de données transactionnelles bancaires avec Python, VerticaPy, NumPy, Pandas, SQL, JupyterLab et Excel, avec étude des échecs de classification puis traduction des motifs récurrents en nouvelles catégories et règles métier.
- Amélioration du taux de catégorisation des transactions de 63% à 84% grâce à une analyse qualité itérative, tout en soutenant l'identification des revenus et charges et un reporting réutilisable pour l'analyse bancaire digitale.
Python
SQL
Pandas
NumPy
VerticaPy
JupyterLab
Excel
PowerPoint
Formation
JUNIA ISEN - Lille, FranceDiplôme d'Ingénieur, AI & Big Data (2023 - 2026)
Classé 2e/190 en dernière année - Top 1%. Spécialisation en AI, Big Data, Data Science & Machine Learning.
Structures de Données & Algorithmes, Machine Learning, Deep Learning, Systèmes Distribués, Bases de Données (SQL & NoSQL), Recherche Opérationnelle, Réseaux Informatiques, Big Data (Hadoop, Spark), Cloud Computing, DevOps, Vision par Ordinateur, NLP, Architecture Logicielle
Classes Préparatoires (2021 - 2023)
Classé 2ème/96 (1ère année) • 8ème/76 (2ème année) · Félicitations des jurys
Classé 2e/190 en dernière année - Top 1%. Spécialisation en AI, Big Data, Data Science & Machine Learning.
Structures de Données & Algorithmes, Machine Learning, Deep Learning, Systèmes Distribués, Bases de Données (SQL & NoSQL), Recherche Opérationnelle, Réseaux Informatiques, Big Data (Hadoop, Spark), Cloud Computing, DevOps, Vision par Ordinateur, NLP, Architecture Logicielle
Classes Préparatoires (2021 - 2023)
Classé 2ème/96 (1ère année) • 8ème/76 (2ème année) · Félicitations des jurys
Lycée Jean Perrin - LambersartBaccalauréat (2018 - 2021)
Mention Très Bien
Mathématiques, Physique-Chimie, Numérique et Sciences Informatiques
Mention Très Bien
Mathématiques, Physique-Chimie, Numérique et Sciences Informatiques
Compétences Techniques
AI EngineeringPython, LangChain, LangGraph, RAG, Vector Databases (Vertex AI, Qdrant, Pinecone, Weaviate), évaluation, observabilité, load testing, cache, sécurité, guardrails, protection des données, confidentialité, mémoire, Agent2Agent (A2A) et Gemini Enterprise Agent Platform.
Python
LangChain
LangGraph
RAG
Vector Databases (Vertex AI, Qdrant, Pinecone, Weaviate)
Evaluation
Observability
Load Testing
Caching
Safety & Guardrails
Data Protection & Privacy
Memory
Agent2Agent (A2A)
Gemini Enterprise Agent Platform
Machine LearningForecasting, Fine-tuning, PyTorch, TensorFlow, scikit-learn, XGBoost, LightGBM, MLOps, MLflow et Weights & Biases.
Forecasting
Fine-tuning
PyTorch
TensorFlow
scikit-learn
XGBoost
LightGBM
MLOps
MLflow
Weights & Biases
Cloud & DevOpsGCP, AWS, Azure, Docker, Terraform, CI/CD, FastAPI, SonarCloud et Wiz.
GCP
AWS
Azure
Docker
Terraform
CI/CD
FastAPI
SonarCloud
Wiz
Big DataApache Spark, PySpark, Databricks, SQL, PostgreSQL, NoSQL, Firestore, MongoDB et Redis.
Apache Spark / PySpark
Databricks
SQL
PostgreSQL
NoSQL
Firestore
MongoDB
Redis
TeamworkGit, GitHub, Jira, Confluence, Atlassian et Agile/Scrum.
Git
GitHub
Jira
Confluence
Atlassian
Agile/Scrum