Top 10 des exemples de CV d’ingénieur IA

Louis Renard
Étudiant en MSc AI for Business
06 39 98 XX XX
louisrenard
Paris
louis.renard@example.com
POINTS FORTS
Vulgarisation
Explication des possibilités et limites de l’IA à six utilisateurs, afin de transformer leurs besoins en pistes compréhensibles et applicables.
Analyse rigoureuse
Comparaison de modèles par validation croisée et analyse des erreurs, avec une attention portée aux limites des prévisions avant toute recommandation.
Esprit d’équipe
Contribution au cadrage d’une cellule de réflexion IA avec quatre étudiants et un référent pédagogique, en reliant les idées aux besoins des opérations.
Curiosité sectorielle
Veille documentée sur la cybersécurité, les réseaux intelligents et les usages émergents de l’IA, présentée à un groupe de pairs.
Autonomie et initiative
Préparation de critères de benchmark et de recommandations lisibles, avec références vérifiables pour guider la comparaison des solutions d’IA.
PROFIL
Étudiant en MSc AI for Business, spécialisé dans l’intelligence artificielle appliquée aux réseaux et aux télécommunications. Projets universitaires en analyse prédictive, évaluation de modèles et prototypage d’assistants intelligents, avec Python, pandas et scikit-learn. Expérience de cadrage de cas d’usage, de comparaison d’outils d’IA et de recueil des besoins métiers, avec des restitutions accessibles aux équipes opérationnelles. Veille sur le Très Haut Débit, la cybersécurité et les réseaux intelligents, au service de recommandations concrètes pour l’aide à la décision et l’optimisation des processus.
FORMATION
MSc AI for Business, en cours
Institut supérieur d’intelligence artificielle et de management
2027
Paris
Master 1 Data Science
Université de Rennes
2026
Rennes
Licence Informatique
Université de Rennes
2025
Rennes
COMPÉTENCES TECHNIQUES
Langages de programmation: Python, SQL, R
Analyse de données: pandas, NumPy, Polars
Apprentissage automatique: scikit-learn, XGBoost, LightGBM
Environnements de calcul: Jupyter, Google Colab, Kaggle Notebooks
Visualisation de données: Matplotlib, Seaborn, Plotly
Modèles de langage: Hugging Face Transformers, spaCy, NLTK
Outils de développement: Git, GitHub, Visual Studio Code
Bases de données: PostgreSQL, SQLite, MySQL
Formats et échanges de données: JSON, CSV, XML
Outils de travail collaboratif: JupyterLab, Google Drive, Microsoft Excel
EXPÉRIENCE
Projet universitaire en IA appliquée aux réseaux, projet de MSc en ingénierie IA pour les processus métiers
Projet académique
octobre 2026 - présent
Paris
Cadrage des objectifs et de la méthode de travail d’une cellule de réflexion IA avec quatre étudiants et un référent pédagogique, puis sélection de cas d’usage liés aux opérations réseaux.
Cartographie de parcours internes et recueil des besoins auprès de six utilisateurs, avec vulgarisation des possibilités et limites de l’intelligence artificielle pour faire émerger des solutions applicables.
Prototypage d’un assistant intelligent fondé sur un modèle de langage et une base documentaire simulée, puis évaluation auprès de huit utilisateurs de son apport à la collaboration et à la communication inter-équipes.
Projet de data science, analyse prédictive des réseaux
Projet universitaire
janvier 2026 - juin 2026
Rennes
Modélisation du risque d’incident et de la demande de connectivité à partir de 18 000 enregistrements synthétiques, avec Python, pandas et scikit-learn.
Comparaison de modèles de régression et de forêts aléatoires par validation croisée et analyse des erreurs, afin de documenter les limites des prévisions et leur utilité pour la prise de décision.
Présentation de pistes d’optimisation et d’indicateurs d’anticipation des besoins aux équipes opérationnelles dans le cadre d’un projet consacré aux réseaux Très Haut Débit.
Atelier étudiant de veille et de benchmark IA
Projet universitaire
septembre 2025 - décembre 2025
Toulouse
Comparaison de huit outils, solutions et bibliothèques d’IA selon leurs fonctions, leurs possibilités d’intégration et les besoins auxquels ils pouvaient répondre dans les télécommunications.
Synthèse d’une veille sectorielle sur la cybersécurité, les réseaux intelligents et les usages émergents de l’intelligence artificielle, avec références vérifiables et présentation à un groupe de pairs.
Documentation des critères de sélection et restitution des résultats sous forme de recommandations accessibles à des interlocuteurs non spécialistes.
COMPÉTENCES
Assistants intelligents
Machine learning
Télécommunications
Cas d’usage IA
Optimisation des processus
Vulgarisation technique
Intelligence artificielle
Évaluation de modèles
Réseaux intelligents
Aide à la décision
Veille sectorielle
Analyse prédictive
Besoins métiers
Cybersécurité
Benchmark IA
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Animation, à Paris en 2026, d’un atelier étudiant sur les usages responsables de l’IA, avec préparation d’exemples accessibles à des participants de différents parcours.
Mentorat entre pairs en Python et en analyse de données à Rennes en 2025, avec organisation de séances de révision pour un petit groupe d’étudiants.
Mention pour la qualité de la restitution du projet de data science, parcours Master 1, en 2026.
Prix de présentation de projet lors d’une journée universitaire de data science en 2025.
CERTIFICATIONS
Machine Learning Specialization, DeepLearning.AI, Coursera
2026
Google AI Essentials
2025
AFFILIATIONS PROFESSIONNELLES
Membre étudiant de l’Association française pour l’intelligence artificielle, participation aux échanges de la communauté sur les usages de l’IA.
Membre étudiant de l’IEEE, engagement dans la communauté professionnelle des technologies de l’information et des réseaux.

Hélène Petit
Ingénieure IA et agents
06 39 98 XX XX
helenepetit
Rennes
helene.petit@example.com
POINTS FORTS
Analyse méthodique
Comparaison de configurations et examen des journaux conduits avec méthode, afin de distinguer les anomalies utiles des simples variations.
Documentation utile
Guide de diagnostic conçu pour être repris par les autres étudiants, avec une attention particulière à la clarté des étapes et des constats.
Esprit d’équipe
Dans une équipe de quatre personnes, suivi des contributions et revues de code partagées pour garder un historique compréhensible des corrections.
Curiosité technique
Comparaison de réponses OpenAI et Mistral sur 40 questions, puis ajustement des consignes à partir des résultats incomplets observés.
Transmission des pratiques
Accompagnement de camarades de licence pendant des séances consacrées à Git et aux pratiques collaboratives, en privilégiant des exemples concrets.
PROFIL
Jeune diplômée d’un master en informatique, spécialisation intelligence artificielle, avec une pratique académique du prototypage d’agents pour l’ingénierie logicielle. Projets en Python, TypeScript et API REST autour de Sinequa, de GitHub Copilot et du protocole MCP, avec des LLM OpenAI et Mistral. Analyse de configurations, étude d’impact et préparation de migrations complétées par la création d’outils de diagnostic à partir de journaux simulés. Revues de code, tests et documentation technique pour rendre les prototypes compréhensibles et réutilisables par une équipe. Approche rigoureuse des investigations, de la comparaison des résultats et de la capitalisation des connaissances, avec une expérience de projets menés en équipe et présentés à des jurys universitaires.
FORMATION
Master informatique
Université de Rennes
2026
Rennes
Licence informatique
Université de Bretagne Occidentale
2024
Brest
COMPÉTENCES TECHNIQUES
Langages de programmation: Python, TypeScript, JavaScript
API et formats d’échange: REST, OpenAPI, JSON
IA générative: OpenAI, Mistral, Hugging Face
Agents et assistants: GitHub Copilot, Model Context Protocol, LangChain
Recherche et indexation: Sinequa, Elasticsearch, OpenSearch
Gestion de versions: Git, GitHub, GitLab
Intégration et livraison: GitHub Actions, GitLab CI, Jenkins
Tests logiciels: pytest, Jest, Vitest
Formats de configuration: YAML, TOML, XML
Supervision technique: Grafana, Prometheus, OpenTelemetry
EXPÉRIENCE
Projet de prototypage d’agent IA pour l’intégration
Projet universitaire
septembre 2026 - présent
Rennes
Conception d’un agent d’assistance dans une extension GitHub Copilot, avec TypeScript et MCP, pour retrouver les procédures d’intégration et guider les investigations dans un environnement de démonstration.
Développement d’outils MCP donnant accès à une documentation technique indexée dans un bac à sable Sinequa, avec réponses fondées sur des sources consultables et vérification manuelle de la pertinence.
Réalisation d’appels à des LLM OpenAI et Mistral via API REST, puis comparaison des résultats sur un jeu de 40 questions afin de relever les réponses incomplètes et d’affiner les consignes de l’agent.
Mise en place de contrôles Git et d’une chaîne CI/CD pour exécuter les tests, vérifier les changements et documenter les étapes de lancement du prototype.
Étude universitaire en analyse de configuration Sinequa
Projet de fin d’études
septembre 2025 - juin 2026
Rennes
Élaboration d’un prototype Python d’analyse d’impact sur des configurations Sinequa fictives, avec extraction des dépendances et synthèse des changements susceptibles d’affecter les intégrations.
Comparaison de versions de configuration pour faire ressortir les écarts, les points de rupture possibles et les éléments à examiner avant une migration, à partir de scénarios de test documentés.
Construction d’une étude de faisabilité pour automatiser des vérifications récurrentes, en évaluant les données disponibles, les limites du prototype et les besoins des ingénieurs d’intégration.
Présentation des résultats à un jury universitaire et production d’un guide de diagnostic réutilisable par les autres étudiants du projet.
Projet étudiant en supervision et diagnostic logiciel
Projet de cours
octobre 2024 - juin 2025
Rennes
Développement d’un outil Python et d’une API REST pour analyser des journaux applicatifs simulés et regrouper les erreurs par type et par fréquence.
Création de recommandations de diagnostic associées aux anomalies repérées, puis évaluation sur des jeux de journaux préparés pour le cours.
Utilisation de Git pour suivre les contributions d’une équipe de quatre personnes, effectuer des revues de code et conserver un historique exploitable des corrections.
Rédaction d’une documentation technique et présentation des résultats, avec recueil des retours de l’équipe enseignante pour améliorer la lisibilité des constats.
COMPÉTENCES
Python
LLM
Agents IA
Diagnostic logiciel
Documentation technique
Sinequa
Analyse de journaux
Étude de faisabilité
TypeScript
GitHub Copilot
Analyse d’impact
Git
API REST
CI/CD
MCP
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Mention au projet de fin d’études pour la qualité de la documentation technique, Université de Rennes, 2026.
Prix de présentation de projet lors de la journée étudiante du département informatique, 2025.
Organisation d’un atelier étudiant de revue de code à l’Université de Rennes, 2025-2026.
Accompagnement de camarades de licence lors de séances de travail sur Git et les pratiques collaboratives, 2024.
CERTIFICATIONS
GitHub Foundations, GitHub
2025
Formation pratique aux API REST et à leur test, Université de Rennes
2025
AFFILIATIONS PROFESSIONNELLES
Adhérente à l’Association for Computing Machinery (ACM), communauté professionnelle en informatique.
Adhérente à la Société informatique de France (SIF), association dédiée aux échanges et à la promotion de l’informatique.

Élise Dumont
Projet de fin d’études en cybersécurité et IA générative
06 39 98 XX XX
elisedumont
Lyon
elise.dumont@example.com
POINTS FORTS
Analyse méthodique
Examen de journaux, d’alertes EDR et de vulnérabilités avec classement des faits utiles à la décision.
Transmission pédagogique
Accompagnement de cinq étudiants en programmation Python pendant les travaux pratiques, avec explications adaptées à leurs questions.
Esprit d’équipe
Contribution à un scénario SOC réalisé à quatre, de la collecte des journaux à la préparation de l’escalade.
Évaluation critique
Comparaison des réponses d’un agent à un jeu de questions, avec attention aux sources et aux cas incomplets.
Documentation claire
Consignation des échanges d’API et rédaction de procédures de test pour faciliter la vérification du prototype.
PROFIL
Ingénieure en informatique, spécialité cybersécurité et intelligence artificielle, formée au niveau Bac+5 et initiée aux opérations CyberOps lors d’un stage. Conception d’un agent de recherche avec Microsoft Copilot Studio et une approche RAG, relié à des données de test par Python et des API REST. Expérience de l’analyse d’alertes SOC, de constats EDR et de vulnérabilités, ainsi que de la préparation de réponses à incident en contexte encadré. Attention portée à la traçabilité des sources et à l’évaluation des réponses pour soutenir les analystes.
FORMATION
Diplôme d’ingénieure en informatique
École d’ingénieurs des Alpes
2026
Grenoble
COMPÉTENCES TECHNIQUES
Langages de programmation: Python, Bash, PowerShell
API et formats d’échange: API REST, JSON, YAML
Plateformes d’IA: Microsoft Copilot Studio, Microsoft Azure AI, Hugging Face
Recherche et RAG: Azure AI Search, FAISS, LangChain
Conteneurs et orchestration: Kubernetes, Docker, Helm
Systèmes Linux: Ubuntu, Debian, Red Hat Enterprise Linux
Outils SOC et sécurité: Microsoft Sentinel, Splunk, Wazuh
Solutions EDR: Microsoft Defender for Endpoint, CrowdStrike Falcon, SentinelOne
Gestion des vulnérabilités: Nessus, OpenVAS, Qualys
Journaux et données: Elastic Stack, Logstash, Kibana
Contrôle de versions: Git, GitHub, GitLab
EXPÉRIENCE
Projet de fin d’études en cybersécurité et IA générative
Université Lumière
octobre 2025 - juin 2026
Lyon
Conception d’un agent CyberOps avec Microsoft Copilot Studio pour retrouver des procédures de sécurité et guider des scénarios d’assistance, à partir d’un corpus documentaire validé par l’encadrement pédagogique.
Mise en place d’une approche RAG avec préparation des contenus, découpage documentaire et essais de récupération, puis comparaison des réponses à un jeu de questions défini pour le projet.
Développement de composants Python et d’API REST pour connecter le prototype aux données de test, avec documentation des échanges et traitement des erreurs courantes.
Évaluation des réponses de l’IA générative selon la pertinence, la traçabilité des sources et les cas de réponse incomplète, aboutissant à une démonstration et à des recommandations de limites d’usage.
Stagiaire en cybersécurité opérationnelle
NexAegis Conseil
mai 2025 - août 2025
Grenoble
Contribution au suivi des alertes SOC à partir de cas d’exercice et de journaux anonymisés, avec qualification initiale et consignation des éléments utiles à la réponse à incident.
Analyse de constats EDR et de rapports de vulnérabilités en laboratoire, puis classement des risques selon leur exposition et les consignes de traitement de l’équipe.
Automatisation de contrôles simples en Python et via des API REST, réduisant les manipulations répétitives lors de la préparation des synthèses d’incident.
Préparation d’un environnement Linux de test et expérimentation de notions Kubernetes pour déployer un service de démonstration isolé, avec procédures d’installation et de vérification.
Projet tutoré SOC et réponse à incident
Université Lumière
septembre 2024 - avril 2025
Lyon
Création, en équipe de quatre étudiants, d’un scénario de détection d’activité suspecte pour un laboratoire pédagogique, depuis la collecte de journaux jusqu’à la rédaction d’une fiche d’escalade SOC.
Examen de jeux de données d’alertes EDR et de résultats de gestion des vulnérabilités, avec catégorisation des événements et justification des priorités de traitement.
Rédaction d’un guide de réponse à incident et présentation des constats à un jury enseignant, avec explicitation des limites des données et des mesures de suivi proposées.
COMPÉTENCES
Notions Kubernetes
Développement Python
Surveillance SOC
Cybersécurité opérationnelle
Recherche de connaissances
Documentation technique
Gestion des vulnérabilités
Évaluation des réponses
Microsoft Copilot Studio
Administration Linux
Réponse à incident
RAG documentaire
Analyse EDR
IA générative
API REST
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Mention du jury pour la clarté de la démonstration du projet tutoré SOC, journée des projets de l’École d’ingénieurs des Alpes, 2025.
Tutorat étudiant en programmation Python, accompagnement de cinq étudiants de première année pendant les séances de travaux pratiques, 2025.
Participation au comité étudiant de la journée de cybersécurité de l’école, coordination des présentations et accueil des intervenants, 2024.
CERTIFICATIONS
Microsoft Learn, parcours de formation Microsoft Copilot Studio
2025
Python pour l’automatisation des tâches, formation continue universitaire
2024
AFFILIATIONS PROFESSIONNELLES
Adhésion à l’Association des anciens élèves de l’École d’ingénieurs des Alpes, participation aux échanges professionnels en cybersécurité.
Membre de l’Association pour la sécurité des systèmes d’information et du numérique (CLUSIF), suivi des échanges de la communauté professionnelle.

Paul Picard
Ingénieur IA
06 39 98 XX XX
paulpicard
Lyon
paul.picard@example.com
POINTS FORTS
Analyse des processus
Repérage des points de friction avec les équipes utilisatrices, puis formalisation des besoins en étapes et règles de workflow compréhensibles.
Intégration des systèmes
Harmonisation des échanges entre JIRA et ServiceNow par API, avec contrôles de données et gestion des erreurs d’échange.
Fiabilité des automatisations
Examen des journaux d’exécution et ajustement des reprises sur erreur pour renforcer la fiabilité des parcours Camunda.
Évaluation de l’IA
Étude du tri des demandes et de la préparation des réponses par IA, en maintenant une validation humaine avant chaque action automatisée.
Documentation technique
Rédaction de guides et documentation des workflows livrés, avec reconnaissance de l’équipe pour la clarté des intégrations.
PROFIL
Ingénieur IA spécialisé en automatisation et orchestration des processus, avec trois ans d’expérience en intégration de systèmes et conception de workflows opérationnels. Pratique de Camunda, des API REST et des échanges entre JIRA et ServiceNow, avec une attention portée à la fiabilité, à la réduction des tâches manuelles et aux délais de traitement. Expérience depuis 2025 dans l’évaluation de cas d’usage d’intelligence artificielle générative et agentique, avec validation humaine des actions automatisées. Diplôme d’ingénieur en informatique, spécialité systèmes d’information, et approche centrée sur la modélisation des processus et la documentation des solutions livrées.
EXPÉRIENCE
Ingénieur IA
Althéa Solutions
octobre 2024 - présent
Toulouse
Conception de workflows Camunda 8 pour automatiser des processus de support informatique, avec modélisation des étapes et traitement explicite des incidents d’exécution.
Intégration de JIRA et ServiceNow par API REST, avec harmonisation des échanges de données et réduction des ressaisies entre équipes de support.
Évaluation, depuis 2025, de cas d’usage d’IA générative et agentique pour le tri de demandes et la préparation de réponses, avec validation humaine avant toute action automatisée.
Optimisation des parcours Camunda à partir des journaux d’exécution et des délais de traitement, puis ajustement des reprises sur erreur pour renforcer la fiabilité et la scalabilité des automatisations.
Formalisation des processus opérationnels avec les équipes utilisatrices, depuis l’identification des points de friction jusqu’à la documentation des workflows livrés.
Ingénieur intégration junior
Kairn Digital
octobre 2023 - septembre 2024
Rennes
Modélisation de processus de gestion des demandes dans Camunda 7, en traduisant les besoins opérationnels en séquences de tâches et en règles de routage documentées.
Développement de connexions par API entre les outils de suivi JIRA et ServiceNow, avec contrôles de données et gestion des erreurs d’échange.
Analyse des traitements manuels et des incidents de workflow, puis propositions d’ajustements visant à simplifier les parcours et à raccourcir les délais de traitement.
Préparation de tests d’intégration et de guides d’exploitation pour faciliter la validation des automatisations et leur prise en main par les équipes.
COMPÉTENCES
API REST
JIRA
Scalabilité des automatisations
Automatisation des workflows
Fiabilité des automatisations
Orchestration des processus
Modélisation des processus
Optimisation des processus
Analyse des processus
ServiceNow
Tests d’intégration
Camunda 7 et 8
IA agentique
Intégration de systèmes
IA générative
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Reconnaissance de l’équipe en 2025 pour la qualité de la documentation des intégrations, facilitant la compréhension des échanges entre systèmes.
Contribution à la coordination des validations d’intégration et à la préparation de guides d’exploitation, en appui à la prise en main des workflows par les équipes.
FORMATION
Diplôme d’ingénieur en informatique, spécialité systèmes d’information
École Centrale de Nantes
2023
Nantes, France
CERTIFICATIONS
Formation Camunda 8 : modélisation et orchestration des processus
2025
Formation à l’intégration des API REST et aux tests d’intégration
2024
COMPÉTENCES TECHNIQUES
Moteurs de processus: Camunda 7, Camunda 8, Zeebe
Langages de programmation: Java, Python, JavaScript
Protocoles et formats d’API: HTTP, JSON, OpenAPI
Outils de test d’API: Postman, Insomnia, SoapUI
Systèmes de suivi: JIRA, ServiceNow, GitLab Issues
Formats de modélisation: BPMN 2.0, DMN, XML
Contrôle de version: Git, GitHub, GitLab
Outils de compilation Java: Maven, Gradle, JUnit
Conteneurs et orchestration: Docker, Kubernetes, Helm
Bases de données: PostgreSQL, MySQL, MongoDB
AFFILIATIONS PROFESSIONNELLES
Adhésion à France Processus, association professionnelle consacrée à la gestion et à l’amélioration des processus.
Membre de l’Association des professionnels de l’intelligence artificielle (AFIA), communauté française dédiée à l’intelligence artificielle.

Étienne Noël
Ingénieur en intelligence artificielle
06 39 98 XX XX
etiennenoel
Lyon
etienne.noel@example.com
POINTS FORTS
Cadrage métier
Clarification des besoins avec les équipes conformité, relation client et opérations, puis transformation des échanges en spécifications exploitables.
Vulgarisation
Présentation des limites des modèles en termes accessibles aux décideurs, afin de faciliter des choix éclairés sur les suites à donner.
Conseil technique
Mise en perspective des résultats et des risques des POC, avec des recommandations adaptées aux enjeux des équipes métier.
Coordination
Organisation d’ateliers Scrum et Kanban avec les équipes IT et MLOps, pour relier les priorités du backlog aux étapes de livraison.
Transmission
Accompagnement de deux nouveaux consultants sur les données, les notebooks et la présentation des résultats, en adaptant les retours à leurs besoins.
PROFIL
Ingénieur en intelligence artificielle avec près de quatre ans d’expérience en projets Data & IA orientés métier, en banque et assurance ainsi qu’en retail. Expertise en machine learning, NLP et IA générative, du cadrage à l’expérimentation et à l’industrialisation progressive. Conception de POC, MVP, solutions RAG, agents et assistants conversationnels à partir de besoins clarifiés avec les équipes métier. Préparation et évaluation des données et modèles, présentation des résultats, limites et recommandations aux décideurs. Collaboration avec les équipes IT et MLOps, animation d’ateliers et formalisation de spécifications pour relier les enjeux opérationnels aux solutions techniques.
EXPÉRIENCE
Ingénieur IA générative
DataCime
février 2024 - présent
Lyon
Cadrage de cas d’usage en banque et assurance avec les équipes conformité, relation client et opérations, puis formalisation des besoins en spécifications fonctionnelles et techniques et éléments de backlog.
Conception d’un assistant de recherche documentaire pour les équipes de gestion de dossiers avec Azure OpenAI, RAG, LangChain et LlamaIndex, puis évaluation des réponses sur un jeu de questions métier et documentation des limites.
Développement, à partir de 2025, de prototypes agentiques avec LangGraph et Azure AI Agent Service, intégrant MCP, function calling et tool use pour orchestrer recherche et synthèse dans les parcours de service client.
Évaluation d’une orchestration multi-agents répartissant recherche, vérification des sources et préparation des réponses, puis présentation aux sponsors métier des critères de traçabilité, de pertinence et de contrôle humain.
Préparation de jeux de données et de corpus avec Python, pandas et Jupyter, puis comparaison de stratégies de prompt engineering et de fine-tuning léger pour adapter les résultats à la terminologie métier.
Présentation de POC et MVP aux décideurs par des démonstrations et des tableaux de bord Power BI et Tableau, avec synthèse des résultats, des risques et des recommandations d’évolution.
Coordination d’ateliers Scrum et Kanban, suivi du backlog dans Git et échanges avec les équipes IT et MLOps sur le versionnage, les tests, la surveillance et les conditions d’industrialisation sur Azure.
Veille sur les copilotes métier, les agents et l’automatisation de tâches à valeur ajoutée, avec partage de scénarios d’usage et de critères d’adoption lors de revues internes.
Data scientist
Orbe Conseil
novembre 2022 - janvier 2024
Nantes
Modélisation de cas d’usage retail liés à la prévision de demande et à l’analyse des retours clients, en reliant les objectifs commerciaux aux indicateurs de performance opérationnelle.
Exploration et préparation de données de ventes avec Python, pandas et Jupyter, puis entraînement de modèles scikit-learn et PyTorch comparés à des approches de référence sur des jeux de validation distincts.
Analyse NLP de verbatims clients, avec nettoyage des textes, catégorisation des irritants et restitution des tendances aux équipes marketing et service client.
Construction de POC de recherche documentaire et de synthèse à partir de 2023, avec expérimentation de l’OpenAI API et de techniques initiales de prompt engineering sur des documents non sensibles.
Traduction des résultats techniques en recommandations et supports de présentation pour des responsables métier, avec explicitation des hypothèses, des limites des modèles et des besoins de données complémentaires.
Contribution à la livraison itérative de projets de conseil, de la préparation des ateliers et du backlog à la revue de code Git, aux tests et à la transmission des éléments aux équipes IT.
COMPÉTENCES
IA générative
Méthodes Scrum et Kanban
Analyse des retours clients
Spécifications techniques
Préparation des données
Agents conversationnels
Évaluation de modèles
Traitement du langage
Prévision de demande
Systèmes agentiques
Gestion de backlog
Recherche RAG
Cadrage métier
Conseil en IA
Machine learning
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Mentorat de deux nouveaux consultants sur la préparation de jeux de données, la revue de notebooks et la présentation des résultats métier, 2025-2026.
Reconnaissance interne en 2025 pour la qualité des démonstrations d’un prototype de recherche documentaire.
FORMATION
Master
Université de Rennes
2022
Rennes
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
CERTIFICATIONS
Microsoft Certified: Azure AI Engineer Associate (AI-102)
2025
Formation continue, fondamentaux de MLOps sur Azure
2025
COMPÉTENCES TECHNIQUES
Langages: Python, SQL, Scala
Traitement des données: pandas, NumPy, Polars
Apprentissage automatique: scikit-learn, XGBoost, LightGBM
Apprentissage profond: PyTorch, TensorFlow, Keras
Environnements de développement: Jupyter, JupyterLab, Visual Studio Code
IA générative: Azure OpenAI, OpenAI API, Hugging Face Transformers
Cadres de génération: LangChain, LlamaIndex, Semantic Kernel
Orchestration agentique: LangGraph, Azure AI Agent Service, AutoGen
Visualisation des données: Power BI, Tableau, Matplotlib
Cloud Azure: Microsoft Azure, Azure Machine Learning, Azure Blob Storage
Gestion de versions et conteneurs: Git, Docker, Kubernetes
Protocoles et formats: MCP, REST, JSON
AFFILIATIONS PROFESSIONNELLES
Membre de l’Association française pour l’intelligence artificielle, participation aux échanges professionnels sur les applications de l’IA.
Membre de l’Institut de recherche et d’innovation en data science, contribution aux échanges de la communauté autour des pratiques de données.

Émile Marchand
Ingénieur IA générative et agentique
06 39 98 XX XX
emilemarchand
Strasbourg
emile.marchand@example.com
POINTS FORTS
Résolution de problèmes
Analyse des erreurs sur des données financières historiques pour distinguer les anomalies de données des limites des modèles.
Rigueur technique
Mise en place de jeux de tests reproductibles et de versions tracées pour comparer les modèles avant leur mise en production.
Partage des connaissances
Animation de revues de pratiques et accompagnement de deux ingénieurs juniors sur les méthodes de test et de documentation.
Collaboration métier
Recueil des retours des équipes de conformité et présentation des limites des modèles pour clarifier leurs conditions d’utilisation.
Pragmatisme
Comparaison de la qualité des réponses, du coût d’inférence et du temps de réponse pour éclairer le choix des modèles.
PROFIL
Ingénieur en intelligence artificielle spécialisé en IA générative et agentique, avec sept années d’expérience dans les services bancaires et les systèmes d’information réglementés. Conception de solutions fondées sur des modèles de langage propriétaires et open source, et développement d’agents pour les besoins des équipes métier. Mise en production avec Python, Docker, Kubernetes et des pipelines CI/CD, en intégrant l’évaluation des modèles, la latence et les exigences de sécurité. Collaboration avec les équipes Produit, Data, IT, DevOps, Sécurité et Conformité pour relier les choix techniques aux contraintes métier. Pratique du RGPD, de l’AI Act, de l’explicabilité et de l’auditabilité, avec des garde-fous contre les hallucinations, les biais et la dérive. Documentation des architectures et partage des méthodes pour faciliter la maintenance et l’adoption des solutions.
EXPÉRIENCE
Ingénieur IA générative et agentique
Banque Horizon
oct. 2024 - présent
Strasbourg
Conception de services conversationnels pour l’assistance aux équipes de conformité, avec des modèles Mistral AI, Anthropic et OpenAI sélectionnés selon les exigences de sécurité, de coût et de latence.
Évaluation de modèles propriétaires et open source à partir de jeux de tests métier, de métriques de qualité des LLM et de retours d’utilisateurs, afin d’orienter les choix de déploiement à grande échelle.
Développement en Python d’agents autonomes et de flux multi-agents avec LangChain, AutoGen et CrewAI, intégrant planification, boucles de raisonnement, prise de décision et transfert à un utilisateur lorsque nécessaire.
Optimisation des prompts par prompt engineering et few-shot learning, avec gestion du contexte conversationnel et des interactions entre agents et utilisateurs adaptées aux processus bancaires.
Mise en place de contrôles en production pour repérer les hallucinations, les biais et la dérive, avec suivi de la qualité, de la latence et des incidents, puis déclenchement de mesures correctives.
Déploiement sécurisé sur Kubernetes avec Docker et pipelines CI/CD, en coordination avec DevOps et IT pour la configuration des environnements, le versioning des modèles et la maîtrise des accès.
Application des exigences RGPD et AI Act aux cas d’usage lancés à partir de 2025, avec garde-fous, éléments d’explicabilité, pistes d’audit et traçabilité des décisions de conception.
Coordination avec Produit, Data, Sécurité et Conformité pendant les sprints agiles, avec livraison régulière de fonctionnalités et présentation des résultats aux utilisateurs métier.
Documentation des architectures, des critères d’évaluation et des pratiques de maintenance, puis partage des retours d’expérience lors de sessions techniques internes.
Industrialisation de pipelines de mise en production reliant tests métier, contrôles de sécurité et déploiement Kubernetes, afin de standardiser les versions et de préparer la montée en charge des services.
Optimisation des ressources de calcul des services d’inférence par réglage des réplicas Kubernetes et mesure de la consommation énergétique, avec maintien des objectifs de latence lors des pics d’utilisation.
Ingénieur machine learning et NLP
Finovia
janv. 2022 - sept. 2024
Strasbourg
Adaptation de modèles de langage à des documents financiers par fine-tuning et transfer learning, avec préparation des données et validation sur des échantillons métier contrôlés.
Analyse des mécanismes d’attention, de la tokenization et des limites des LLM pour définir des stratégies de découpage documentaire et d’optimisation des prompts.
Développement de prototypes Python de recherche et de synthèse documentaire, puis comparaison des modèles selon la pertinence des réponses, les coûts d’inférence et le temps de réponse.
Mise en place d’un versioning des modèles et de jeux de tests reproductibles, améliorant la traçabilité des changements et la comparaison des résultats avant la mise en production.
Collaboration avec les équipes Data, Sécurité et Conformité sur la minimisation des données, les contrôles d’accès et les exigences de protection des données bancaires.
Présentation des résultats et des risques liés aux biais et aux hallucinations à des interlocuteurs Produit et métier, avec recommandations d’usage et limites clairement documentées.
Ingénieur machine learning junior
Axelia Solutions
juil. 2020 - déc. 2021
Nancy
Développement de modèles de classification en Python pour le traitement de demandes de services financiers, avec comparaison des performances et analyse des erreurs sur des données historiques.
Préparation de pipelines de données reproductibles et de contrôles de qualité pour limiter les anomalies qui affectaient les résultats des modèles.
Évaluation de méthodes de transfer learning sur des corpus spécialisés, avec documentation des choix de données et des résultats obtenus pour faciliter leur réutilisation.
Contribution aux revues de code et à l’intégration de tests automatisés dans les pratiques CI/CD, en lien avec les équipes applicatives.
Développeur Python junior
Beryl Tech
juil. 2019 - juin 2020
Strasbourg
Développement de services Python pour l’automatisation de contrôles documentaires, avec tests unitaires et suivi des anomalies en environnement applicatif.
Structuration de scripts de traitement de données et rédaction de documentation technique pour simplifier la reprise et la maintenance des composants.
Échanges avec les équipes IT et Produit pour clarifier les besoins fonctionnels, prioriser les corrections et livrer les améliorations dans les cycles agiles.
COMPÉTENCES
IA générative
Coordination interfonctionnelle
Adaptation de modèles métier
Réduction des hallucinations
Gestion des biais et dérives
Conformité RGPD et AI Act
Méthodes agiles et sprints
Évaluation des modèles
Systèmes multi-agents
Sécurité et auditabilité
Mise en production IA
Modèles de langage
Prompt engineering
Agents autonomes
IA agentique
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
MON PARCOURS PROFESSIONNEL
7,3Ans
Ingénieur IA générative et agentique at Banque Horizon (2,1 Ans)
Ingénieur machine learning et NLP at Finovia (2,8 Ans)
Ingénieur machine learning junior at Axelia Solutions (1,5 Ans)
Développeur Python junior at Beryl Tech (1 Ans)
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Animation de revues de pratiques IA et accompagnement de deux ingénieurs juniors sur les méthodes de test et de documentation, 2025-2026.
Mention interne reçue pour la qualité de la documentation technique et le partage des retours d’expérience, 2025.
FORMATION
Diplôme d’ingénieur en informatique, spécialité intelligence artificielle
INSA Strasbourg
2019
Strasbourg
CERTIFICATIONS
Formation continue : Gouvernance et conformité des systèmes d’IA, RGPD et AI Act
2025
LangChain for LLM Application Development, DeepLearning.AI
2024
COMPÉTENCES TECHNIQUES
Langages de programmation: Python, SQL, Bash
Frameworks d’agents: LangChain, AutoGen, CrewAI
Modèles de langage: Mistral AI, Anthropic Claude, OpenAI GPT
Conteneurs et orchestration: Docker, Kubernetes, Helm
Intégration et livraison continues: Jenkins, GitLab CI/CD, GitHub Actions
Gestion de code: Git, GitLab, GitHub
Apprentissage automatique: scikit-learn, PyTorch, TensorFlow
Traitement du langage: spaCy, NLTK, Hugging Face Transformers
Données et formats: pandas, NumPy, Apache Parquet
Bases de données: PostgreSQL, MySQL, MongoDB
Suivi et observabilité: Prometheus, Grafana, OpenTelemetry
AFFILIATIONS PROFESSIONNELLES
Membre de l’Association française pour l’intelligence artificielle (AFIA), participation aux échanges professionnels consacrés aux applications de l’IA.
Membre de la Société informatique de France (SIF), contribution aux échanges de la communauté informatique professionnelle.

Olivier Lefebvre
Ingénieur logiciel IA générative
06 39 98 XX XX
olivierlefebvre
Lyon
olivier.lefebvre@example.com
POINTS FORTS
Vulgarisation technique
Animation de séances internes sur les LLM et les API, en reliant les choix techniques aux besoins quotidiens des équipes applicatives.
Documentation claire
Rédaction de guides d’intégration qui aident les développeurs à adopter les services internes sans perdre de vue leurs contraintes métier.
Rigueur d’évaluation
Construction de jeux de questions de référence et vérification humaine des réponses pour apprécier la qualité des prototypes RAG.
Fiabilité applicative
Suivi des erreurs, tests automatisés et mécanismes de reprise intégrés aux services pour faciliter leur exploitation par les équipes.
Accompagnement des équipes
Transmission de pratiques de test et de conception d’API aux développeurs, avec des exemples issus des intégrations livrées.
PROFIL
Ingénieur logiciel spécialisé en IA générative, neuf ans d’expérience en développement backend et trois ans en solutions LLM de production pour la gestion documentaire et les dossiers complexes. Diplômé en génie logiciel, avec une pratique de Python, .NET, C#, Azure et de la conception d’API. Conception de chaînes RAG, d’agents et de services d’extraction documentaire, de l’évaluation des modèles à leur intégration aux applications métiers. Expérience des embeddings, des bases vectorielles, de l’OCR, du prompt engineering et de l’observabilité, avec une attention portée à la qualité des réponses, à la latence et aux coûts. Contribution à l’industrialisation, à la documentation et au partage de pratiques entre équipes de développement pour renforcer la fiabilité des solutions.
EXPÉRIENCE
Ingénieur logiciel IA générative
Mistralys Solutions
juillet 2024 à présent
Lyon
Conception d’une évolution du moteur d’orchestration LLM pour des dossiers de sinistres, avec routage de modèles, chaînes de traitement et gestion des appels d’outils.
Intégration du function calling, du tool use et du protocole MCP dans des workflows contrôlés, avec tests de sécurité et documentation des cas d’usage pour les équipes applicatives.
Développement de services Python exposés par API REST et gRPC, de connecteurs et d’un SDK interne, facilitant l’intégration des fonctionnalités IA dans plusieurs applications métiers.
Mise en œuvre de pipelines RAG associant embeddings, bases de données vectorielles et extraction de documents complexes, avec comparaison de modèles propriétaires et open source.
Évaluation de frameworks d’agents, de document intelligence et de knowledge graphs, puis expérimentation du fine-tuning de modèles locaux sur des données documentaires anonymisées.
Déploiement sur Azure et structuration de l’observabilité avec Langfuse, Ragas et DeepEval, pour suivre la qualité des réponses et les hallucinations, puis ajuster latence et coûts d’inférence.
Formalisation de pratiques de tests, de robustesse applicative et de prompt engineering, notamment pour les sorties structurées et les arbitrages entre qualité, latence et coûts.
Mise en place d’un banc d’évaluation sur des dossiers de sinistres, avec jeux de référence et comparaison des réponses de modèles propriétaires et open source, afin de repérer les hallucinations avant intégration métier.
Ingénieur logiciel backend
Altéa Numérique
janvier 2022 à juin 2024
Grenoble
Développement de services Python et C# pour le traitement de pièces de dossiers, avec intégration d’API de LLM à partir de 2023 pour la classification et l’extraction d’informations.
Réalisation de prototypes RAG combinant embeddings et base vectorielle, avec jeux de questions de référence et vérification humaine des réponses avant leur mise à disposition.
Mise en place de traitements asynchrones et d’API REST sur Azure, avec supervision des erreurs, tests automatisés et contrôle des coûts liés aux appels de modèles.
Évaluation comparative de modèles et amélioration des prompts pour produire des champs structurés à partir de documents hétérogènes, avec mesures de qualité et d’erreurs d’extraction.
Partage des résultats d’expérimentation et de guides d’intégration avec les développeurs, facilitant le passage de prototypes IA vers des services maintenables.
Développeur backend
Cobalt Conseil
septembre 2019 à décembre 2021
Nantes
Création de services .NET et C# pour l’ingestion et le suivi de dossiers d’assurance, avec API REST et échanges asynchrones entre applications.
Mise en œuvre de flux OCR et d’indexation de documents non structurés, avec validation des champs extraits et traçabilité des corrections pour les utilisateurs métier.
Déploiement de composants sur Azure et automatisation des contrôles de tests, de disponibilité et de consommation des ressources.
Conception de contrats d’API et rédaction de documentation d’intégration, réduisant les écarts entre les systèmes de gestion de dossiers et les outils internes.
Développeur logiciel junior
Arpège Informatique
janvier 2017 à août 2019
Rennes
Développement de modules backend en C# et .NET pour une application de gestion de contrats, avec tests unitaires et revues de code.
Création d’API REST et de traitements asynchrones pour synchroniser des données entre services, avec journalisation des erreurs et reprise des opérations interrompues.
Analyse de défauts applicatifs et amélioration de la documentation technique, renforçant la maintenabilité des composants livrés.
COMPÉTENCES
Observabilité LLM
Architecture logicielle
Sorties structurées
Développement backend
Robustesse applicative
Chaînes de traitement
API de modèles LLM
Routage de modèles
Prompt engineering
Conception d’API
Orchestration IA
IA générative
Maîtrise des coûts
Évaluation LLM
Tests logiciels
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Animation de séances internes sur l’intégration des LLM, les tests de sorties structurées et la conception d’API, pour partager des pratiques concrètes avec les équipes.
Reconnaissance interne pour la qualité de la documentation et la transmission de pratiques de test aux développeurs juniors.
FORMATION
Diplôme d’ingénieur en informatique, spécialité génie logiciel
École supérieure d’ingénierie de Rennes
2014
Rennes
CERTIFICATIONS
Microsoft Certified: Azure AI Engineer Associate
2025
Formation professionnelle en évaluation et observabilité des applications LLM
2024
COMPÉTENCES TECHNIQUES
Langages: Python, C#, SQL
Frameworks backend: .NET, ASP.NET Core, FastAPI
API et protocoles: REST, gRPC, MCP
Services Azure: Azure AI Services, Azure Functions, Azure Blob Storage
Orchestration et agents: LangChain, Semantic Kernel, AutoGen
Modèles et IA: Azure OpenAI, OpenAI API, Hugging Face Transformers
Bases de données: PostgreSQL, SQL Server, Cosmos DB
Bases vectorielles: Azure AI Search, Qdrant, pgvector
Évaluation et suivi LLM: Langfuse, Ragas, DeepEval
OCR et documents: Azure AI Document Intelligence, Tesseract, Apache Tika
Tests logiciels: xUnit, pytest, NUnit
Conteneurs et déploiement: Docker, Kubernetes, Azure DevOps
AFFILIATIONS PROFESSIONNELLES
Adhésion à l’association France DevOps, participation aux échanges de sa communauté professionnelle autour de l’industrialisation logicielle et du partage de pratiques.
Adhésion à l’association Python France, avec contribution aux échanges de la communauté sur les usages professionnels de Python et le développement backend.

Pierre Noël
Ingénieur IA senior
06 39 98 XX XX
pierrenoel
Lyon
pierre.noel@example.com
POINTS FORTS
Rigueur analytique
Vérification des sources et des résultats des assistants bancaires, avec des critères d’évaluation documentés pour repérer les réponses non étayées.
Coopération métier
Échanges avec les équipes métier pour préciser les besoins de conformité et de relation client, puis traduire leurs retours en critères d’évaluation.
Autonomie de livraison
Prise en charge des expérimentations jusqu’au déploiement sur Azure, en coordonnant les validations nécessaires avec les équipes data et infrastructure.
Accompagnement technique
Mentorat de deux ingénieurs juniors sur l’évaluation des modèles et la qualité du code, avec une documentation facilitant la reprise des expérimentations.
Communication des résultats
Présentation des limites et des résultats des modèles aux équipes produit et risques, en reliant les métriques aux besoins de suivi opérationnel.
PROFIL
Ingénieur IA et data scientist, dix ans d’expérience en conception de modèles et en industrialisation de produits data, dont plus de trois ans consacrés aux LLM, à l’IA générative et aux architectures RAG pour la banque, la conformité et la relation client. Conception d’assistants métiers et d’agents conversationnels, adaptation de modèles de langage et mise en production de services sécurisés, avec une attention constante à l’explicabilité et à la supervision. Pilotage de solutions sur Azure et AWS, de la définition des besoins avec les métiers jusqu’à la coordination avec les équipes data et infrastructure. Pratique des chaînes MLOps et des outils de machine learning et de deep learning, appuyée par une communication claire avec les interlocuteurs techniques et métiers et une veille régulière sur les évolutions de l’IA.
EXPÉRIENCE
Ingénieur IA senior
Novalys IA
mai 2023 - présent
Lyon
Conception d’assistants métiers pour des activités bancaires, avec architectures RAG associant LangChain, LlamaIndex, Hugging Face Transformers et recherche documentaire sur Elasticsearch et FAISS.
Développement de prototypes d’agents conversationnels et de prompt engineering pour les usages de conformité et de relation client, avec évaluation des réponses et contrôle des sources citées.
Adaptation et fine-tuning de modèles de langage pour des corpus financiers, puis comparaison des API Mistral AI, OpenAI et Anthropic Claude selon les exigences de sécurité et les cas d’usage.
Déploiement de services d’IA générative sur Azure, dont des intégrations avec Azure OpenAI Service, en coordination avec les équipes data, métiers et infrastructure.
Mise en place de pipelines MLOps avec Docker, Kubernetes, MLflow, Git et CI/CD, comprenant le suivi des modèles en production, la traçabilité des versions et leur documentation.
Renforcement des contrôles de conformité bancaire, de sécurité et d’explicabilité par des jeux d’évaluation adaptés aux données sensibles et des revues avec les interlocuteurs métiers.
Comparaison de Pinecone et Weaviate avec les solutions existantes, puis partage des conclusions de veille technologique en IA et LLM lors de revues d’architecture.
Coordination des échanges oraux et écrits entre équipes data, métiers et infrastructure pour valider les critères d’acceptation des assistants et résoudre les écarts relevés avant leur mise en production.
Data Scientist
Finaxis Technologies
janvier 2020 - avril 2023
Lyon
Développement de modèles de machine learning pour la détection d’anomalies dans les opérations financières, de la préparation des données à l’évaluation avec Scikit-learn.
Construction de traitements Python, SQL, Pandas et NumPy pour rapprocher des historiques transactionnels et produire des jeux de données documentés pour les équipes risques.
Expérimentation de réseaux de neurones avec PyTorch et TensorFlow sur des problématiques de classification, avec comparaison des résultats aux modèles de référence.
Industrialisation de modèles sur AWS avec Docker, Git et MLflow, incluant le suivi des expériences, la gestion des versions et la surveillance des résultats après déploiement.
Traitement de données à plus grande échelle avec Spark et Databricks, en concertation avec les équipes data et infrastructure pour fiabiliser les flux analytiques.
Ingénieur machine learning
DataCime
janvier 2018 - décembre 2019
Grenoble
Réalisation de modèles de classification pour des besoins de prévision et de contrôle qualité, avec Python, Pandas, NumPy et Scikit-learn.
Structuration de requêtes SQL et de contrôles de qualité sur des données opérationnelles, afin d’améliorer la reproductibilité des analyses métier.
Présentation des résultats et des limites des modèles aux équipes produit, avec documentation des hypothèses, des métriques et des besoins de suivi.
Analyste data junior
HexaNum
octobre 2016 - décembre 2017
Rennes
Préparation de jeux de données et automatisation d’analyses récurrentes avec Python, SQL et Pandas pour des équipes de services financiers.
Réalisation d’analyses exploratoires et de contrôles de cohérence, avec restitution des tendances et anomalies aux consultants et interlocuteurs métiers.
Contribution à la documentation des traitements et au versionnement des scripts avec Git, facilitant la reprise des analyses par l’équipe.
COMPÉTENCES
Machine learning
MLOps
Intelligence artificielle générative
Grands modèles de langage
Supervision en production
Agents conversationnels
Fine-tuning de modèles
Communication métier
Sécurité des modèles
Prompt engineering
Assistants métiers
Explicabilité de l’IA
Architectures RAG
Conformité bancaire
Deep learning
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Mentorat de deux ingénieurs juniors sur l’évaluation des modèles, la qualité du code et la documentation des expérimentations, de 2025 à 2026.
Reconnaissance interne en 2024 pour la qualité de la documentation et des contrôles de modèles lors d’un déploiement bancaire.
FORMATION
Diplôme d’ingénieur en informatique
INSA Rennes
2014
Rennes
MON PARCOURS PROFESSIONNEL
10,1Ans
Ingénieur IA senior at Novalys IA (3,5 Ans)
Data Scientist at Finaxis Technologies (3,3 Ans)
Ingénieur machine learning at DataCime (2 Ans)
Analyste data junior at HexaNum (1,2 Ans)
CERTIFICATIONS
Microsoft Certified: Azure AI Engineer Associate
2024
Formation continue en MLOps et déploiement de modèles
2022
COMPÉTENCES TECHNIQUES
Langages et requêtes: Python, SQL, Scala
Bibliothèques de données: Pandas, NumPy, SciPy
Machine learning: Scikit-learn, XGBoost, LightGBM
Apprentissage profond: PyTorch, TensorFlow, Keras
Cadres LLM: LangChain, LlamaIndex, Hugging Face Transformers
Fournisseurs de modèles: Mistral AI, OpenAI, Anthropic Claude
Recherche vectorielle: FAISS, Pinecone, Weaviate
Recherche documentaire: Elasticsearch, Apache Solr, OpenSearch
Conteneurs et orchestration: Docker, Kubernetes, Helm
Suivi et industrialisation: MLflow, DVC, Kubeflow
Contrôle de versions et CI/CD: Git, GitLab CI, GitHub Actions
Cloud et services IA: Microsoft Azure, Azure OpenAI Service, Amazon Web Services
Calcul distribué: Apache Spark, Databricks, Delta Lake
AFFILIATIONS PROFESSIONNELLES
Membre de l’Association française pour l’intelligence artificielle (AFIA), participation aux échanges professionnels sur les applications et pratiques de l’intelligence artificielle.
Membre de la Société française de statistique (SFdS), engagement dans la communauté autour des méthodes de science des données et de modélisation.

Christophe Denis
Ingénieur principal compilateur IA
06 39 98 XX XX
christophedenis
christophe.denis@example.com
Rennes
POINTS FORTS
Pilotage technique
Définition des choix d’architecture et des étapes d’optimisation, avec une attention constante à leur validation sur le matériel cible.
Analyse des performances
Lecture des profils d’exécution et des mesures de benchmark pour isoler les coûts mémoire et orienter les optimisations utiles.
Transmission technique
Accompagnement de deux ingénieurs sur les revues C++ et la reproductibilité, afin de partager des méthodes directement applicables.
Collaboration interéquipes
Mise en cohérence des décisions entre architecture matérielle, runtime et frameworks ML à partir de constats techniques partagés.
Rigueur expérimentale
Documentation des essais et des résultats reproductibles, donnant aux équipes des éléments concrets pour discuter des compromis.
PROFIL
Ingénieur compilateur IA diplômé de l’INSA Rennes, avec dix ans d’expérience en compilation de graphes et accélération de charges de travail d’apprentissage automatique. Conception de chaînes de compilation et d’optimisations pour accélérateurs, appuyée sur l’analyse de benchmarks et la validation sur matériel. Expertise en C++, Python, représentations intermédiaires et outils tels que MLIR, TVM, OpenVINO, IREE et XLA, avec une pratique de PyTorch, TensorFlow et ONNX. Pilotage technique des choix d’architecture et collaboration avec les équipes matérielles, runtime et frameworks ML. Mentorat d’ingénieurs, contributions open source et résultats expérimentaux documentés.
EXPÉRIENCE
Ingénieur principal compilateur IA
Vecteuris Compute
novembre 2023 - présent
Paris
Pilotage de l’architecture d’une chaîne de compilation pour accélérateurs IA, avec définition des représentations intermédiaires (IR) et des pipelines d’optimisation adaptés aux modèles déployés.
Conception en C++ de fusions de graphes et d’optimisations de calcul, avec validation sur des modèles PyTorch, TensorFlow et ONNX exécutés sur des accélérateurs NPU et GPU.
Évaluation des performances de modèles et de benchmarks ML à l’aide de profileurs et de débogueurs, pour isoler les coûts mémoire et d’exécution et guider l’optimisation système bas niveau.
Intégration de MLIR, IREE et XLA dans des flux d’expérimentation, avec tests comparatifs et mesures reproductibles sur les cibles matérielles.
Coordination des décisions techniques avec les architectes matériel, les ingénieurs runtime et les équipes de frameworks ML, pour aligner compilation et exécution.
Structuration des contrôles CI/CD avec Git et automatisation Python, améliorant la détection des régressions sur les modèles et benchmarks suivis.
Contribution à des projets open source de compilation et partage des résultats de veille sur les compilateurs IA, les frameworks ML et l’accélération matérielle.
Ingénieur compilation et optimisation
Calculis Technologies
janvier 2021 - octobre 2023
Nantes
Développement de passes de compilation en C++ autour de MLIR et TVM pour transformer des graphes ML en opérations adaptées à des accélérateurs.
Évaluation de versions optimisées de modèles PyTorch et ONNX, avec mesures de latence, d’utilisation mémoire et de débit sur des scénarios de calcul numérique.
Mise en place de tests automatisés dans Git et CI/CD, avec analyse des résultats de profileurs et débogueurs pour diagnostiquer les régressions de performance.
Adaptation d’OpenVINO et d’IREE à des prototypes d’inférence, avec documentation des compromis entre formats IR, opérateurs pris en charge et comportement du runtime.
Présentation des constats techniques aux équipes de frameworks ML et de runtime, avec recommandations étayées par des benchmarks reproductibles.
Ingénieur logiciel systèmes et ML
Orbeon Logiciels
septembre 2018 - décembre 2020
Lyon
Implémentation en C++ et Python de composants d’inférence et de traitement de graphes pour des applications d’apprentissage automatique à contraintes de calcul.
Conversion de modèles TensorFlow et ONNX vers des formats de déploiement compatibles avec OpenVINO, puis vérification de leur exactitude et de leurs performances.
Profilage de noyaux et d’accès mémoire sur GPU, avec ajustements bas niveau destinés à réduire les goulets d’étranglement dans des traitements numériques.
Établissement de tests de non-régression et de scripts de benchmark sous Git, apportant des résultats fiables aux revues de conception logicielle.
Ingénieur logiciel junior
Altis Numérique
septembre 2016 - août 2018
Toulouse
Développement en C++ de composants logiciels pour l’exécution de traitements numériques, avec attention portée à la gestion mémoire et au comportement système.
Automatisation en Python de tests sur des modèles TensorFlow et de premières expérimentations avec XLA, pour comparer les résultats et repérer les écarts d’exécution.
Analyse de traces à l’aide de débogueurs et de profileurs, puis documentation des défauts reproductibles pour accélérer leur résolution par l’équipe.
Utilisation de Git et de tests automatisés dans les premières étapes d’intégration continue, renforçant la qualité des livraisons logicielles.
COMPÉTENCES
C++
Optimisation système bas niveau
Optimisation des performances
Représentations intermédiaires
Évaluation de benchmarks ML
Optimisation de compilateur
Adaptation au matériel cible
Python
Communication technique
Collaboration interéquipes
Internals de compilateurs
Pipelines d’optimisation
Fusion de graphes
Calcul numérique
Bac+5 en informatique
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Mentorat technique de deux ingénieurs sur l’analyse de performances, les pratiques de revue C++ et la reproductibilité des benchmarks.
Contribution à un projet open source de compilation ML, avec documentation de passes d’optimisation et corrections validées par la communauté.
Présentation interne de travaux sur la fusion de graphes et les compromis entre IR et runtime, saluée pour la clarté des résultats expérimentaux.
MON PARCOURS PROFESSIONNEL
10,2Ans
Ingénieur principal compilateur IA at Vecteuris Compute (3 Ans)
Ingénieur compilation et optimisation at Calculis Technologies (2,8 Ans)
Ingénieur logiciel systèmes et ML at Orbeon Logiciels (2,3 Ans)
Ingénieur logiciel junior at Altis Numérique (2 Ans)
FORMATION
Diplôme d’ingénieur en informatique, spécialité systèmes et calcul haute performance
INSA Rennes
2015
Rennes
CERTIFICATIONS
Formation continue en MLIR et conception de compilateurs
2024
Formation avancée en optimisation de calcul GPU
2022
COMPÉTENCES TECHNIQUES
Langages de programmation: C++, Python, C
Compilateurs et chaînes d’outils: MLIR, LLVM, GCC
Frameworks de compilation ML: TVM, IREE, XLA
Formats et représentations ML: ONNX, StableHLO, TensorFlow Lite
Frameworks d’apprentissage automatique: PyTorch, TensorFlow, scikit-learn
Outils d’inférence: OpenVINO, ONNX Runtime, TensorRT
Calcul GPU: CUDA, NVIDIA Nsight, ROCm
Contrôle de versions et CI: Git, Jenkins, GitLab CI
Profilage et débogage: gdb, Valgrind, perf
Formats et protocoles de données: Protocol Buffers, JSON, YAML
AFFILIATIONS PROFESSIONNELLES
Membre de l’Association française pour l’intelligence artificielle (AFIA), participation aux échanges de la communauté autour de l’apprentissage automatique.
Membre d’ACM SIGPLAN, contribution aux échanges professionnels sur les langages de programmation et les compilateurs.

Christophe Aubert
Lead AI Engineer
06 39 98 XX XX
christopheaubert
christophe.aubert@example.com
Strasbourg
POINTS FORTS
Référent technique
Accompagnement de développeurs en revues de code et ateliers, avec des repères concrets pour intégrer l’IA aux produits.
Architecture logicielle
Définition de choix d’architecture et explication de leurs limites lors des revues de conception GenAI.
Industrialisation
Structuration du suivi des modèles, des tests et des incidents pour préparer les services d’IA à la production.
Contribution au code
Participation directe aux services Java et Spring Boot ainsi qu’aux interfaces Angular intégrant les fonctionnalités IA.
Sécurité des solutions IA
Intégration de contrôles de sécurité et de validation dans la livraison, avec prise en compte des résultats sensibles.
PROFIL
Ingénieur logiciel et Lead AI Engineer, dix années d’expérience en développement d’applications et expertise en IA générative depuis 2023. Conception et mise en production de solutions LLM, RAG et agents IA, avec contribution directe au code Java et Angular. Orchestration de modèles, intégration aux produits existants et industrialisation sur GCP, du prototypage au monitoring et à la sécurisation. Référent technique auprès des développeurs, avec transmission des pratiques d’architecture, de Prompt Engineering et de livraison. Diplômé ingénieur en informatique, Bac+5, et engagé dans la fiabilité des services livrés.
EXPÉRIENCE
Lead AI Engineer
Kairn Digital
mars 2025 - présent
Paris
Conception et mise en production d’une plateforme d’assistance métier fondée sur des LLM, des architectures RAG et des agents IA intégrés aux API REST existantes.
Orchestration des modèles OpenAI, Claude, Gemini, Mistral et Llama, avec sélection guidée par les besoins fonctionnels, la sécurité et les résultats d’évaluation.
Industrialisation des déploiements par CI/CD, MLOps et LLMOps sur GCP, avec suivi des versions, monitoring des réponses et contrôles de sécurité.
Définition de pratiques de Prompt Engineering, de tests et d’architecture logicielle GenAI, avec accompagnement des développeurs en revues de code et ateliers techniques.
Développement de services Java et Spring Boot, d’API REST et d’interfaces Angular en TypeScript pour intégrer l’IA aux applications existantes.
Renforcement du cadre DevSecOps par l’ajout de contrôles de sécurité et de validation au cycle de livraison des services d’IA.
Ingénieur logiciel senior, IA générative
Atelier Numérique
janvier 2023 - février 2025
Nantes
Développement d’un assistant documentaire RAG pour les équipes de support, avec indexation de contenus, recherche contextuelle et vérification des réponses sur un corpus métier.
Expérimentation puis déploiement de fonctionnalités LLM avec OpenAI et Mistral, conception de prompts et évaluation de la pertinence sur des jeux de questions de référence.
Création d’agents IA automatisant des séquences de recherche et de synthèse, avec supervision des étapes et validation humaine des résultats sensibles.
Mise en place de pipelines CI/CD et de pratiques MLOps et LLMOps pour suivre les versions des modèles, les résultats des tests et les incidents en production.
Livraison de composants Java, Spring Boot et API REST, ainsi que d’écrans Angular et TypeScript intégrés aux produits internes.
Animation de revues de conception et transmission des pratiques GenAI à six développeurs, avec documentation des choix d’architecture, des limites et des exigences de sécurité.
Développeur Java / Angular
Vigie Logiciels
juillet 2019 - décembre 2022
Rennes
Réalisation de fonctionnalités pour une application de gestion de dossiers, de la clarification des besoins aux mises en production.
Conception de services Java et Spring Boot et d’API REST, avec validation des contrats d’échange pour faciliter l’intégration aux systèmes clients.
Développement d’interfaces Angular et TypeScript, avec tests fonctionnels et corrections ciblées pour améliorer la stabilité des parcours utilisateurs.
Automatisation des compilations et déploiements par Git et CI/CD, réduisant les écarts entre environnements de test et de production.
Application de contrôles de sécurité et de qualité du code lors des revues de changements et de la préparation des versions.
COMPÉTENCES
IA générative
TypeScript
Spring Boot
Prompt Engineering
DevSecOps
CI/CD
LLM
API REST
MLOps
RAG
Agents IA
GCP
Angular
LLMOps
Java
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
MON PARCOURS PROFESSIONNEL
7,3Ans
Lead AI Engineer at Kairn Digital (1,7 Ans)
Ingénieur logiciel senior, IA générative at Atelier Numérique (2,2 Ans)
Développeur Java / Angular at Vigie Logiciels (3,5 Ans)
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Référent technique en IA générative en 2025, accompagnement de développeurs et animation de sessions internes sur les architectures RAG et le Prompt Engineering.
Mention interne reçue en 2024 pour la qualité de la mise en production d’un assistant documentaire.
FORMATION
Diplôme d’ingénieur en informatique, Bac+5
INSA Rennes
2016
Rennes
CERTIFICATIONS
Google Cloud Professional Machine Learning Engineer
2025
Formation continue en LLMOps, monitoring et sécurité des systèmes d’IA
2024
COMPÉTENCES TECHNIQUES
Langages de programmation: Java, TypeScript, Python
Frameworks Java: Spring Boot, Spring MVC, Spring Security
Frameworks front-end: Angular, RxJS, NgRx
Protocoles et API: REST, OpenAPI, OAuth 2.0
Outils de développement: Git, Maven, Gradle
Intégration continue: Jenkins, GitLab CI, GitHub Actions
Cloud et conteneurs: Google Cloud Platform, Docker, Kubernetes
Bases de données: PostgreSQL, MySQL, MongoDB
Stockage vectoriel: pgvector, Pinecone, Weaviate
Bibliothèques IA: LangChain, LlamaIndex, Hugging Face Transformers
Modèles d’IA générative: OpenAI, Anthropic Claude, Google Gemini
Outils de monitoring: Prometheus, Grafana, OpenTelemetry
AFFILIATIONS PROFESSIONNELLES
Membre de Hub France IA, participation aux échanges de la communauté professionnelle autour de l’intelligence artificielle.
Membre de l’Association française pour l’intelligence artificielle (AFIA), contribution aux échanges professionnels en IA.