00LE SIGNAL

Ibrahim Krayem · Ingénieur IA générative : agents LLM, RAG et intelligence documentaire.

Transformer l’information complexe en décisions utiles.

Je conçois et développe des applications LLM, des systèmes RAG et des workflows documentaires, de l’ingestion à l’évaluation et à l’interface.

Développeur confirmé en IA générative chez TALAN, en mission chez Bpifrance depuis octobre 2024. Docteur en informatique.

6+
ans d’expérience
2+
ans en IA générative

01LE PROBLÈME

Partir de la décision, pas du modèle.

Vous n’avez pas besoin d’une démonstration IA de plus. Vous avez besoin d’un système qui comprend les bonnes sources, expose son cheminement et produit un livrable utile.

Mon parcours de chercheur apporte une discipline de modélisation et d’évaluation. Ma pratique d’ingénieur transforme cette rigueur en logiciel exploitable par les équipes.

  1. 01Cadrer
  2. 02Relier
  3. 03Vérifier

02CAS SIGNATURE

Des documents financiers à un workflow SWOT traçable.

01 / SVI

Bpifrance · Agent SVI · via TALAN

Mission Bpifrance : un agent financier conversationnel pour le suivi des investissements et des participations.

Problème
Récupérer les données financières, analyser les documents financiers et produire des livrables exploitables en conversation, en conservant l’historique et le contexte des échanges.
Mon rôle
Développeur IA générative d’une équipe agile de six, je construis l’agent et ses outils.

Intervention — ingestion multi-format, SWOT sourcée, streaming SSE et export PowerPoint.

  1. Orchestrer l’agent avec LangGraph et Claude, en gérant l’historique et le contexte des conversations.
  2. Récupérer les données financières via un serveur MCP.
  3. Développer les outils : analyse SWOT avec export PowerPoint, visualisations, analyse de documents financiers dont les tables de capitalisation.
  4. Comparer des modèles open source (Qwen) pour l’extraction avec Docling, et diffuser les réponses en temps réel via SSE.
Transformation livréePDF · DONNÉES → SWOT → PPTX

Équipe agile de 6 · mise en production très prochainement.

Résultat livré

Un agent conversationnel de bout en bout qui réunit données financières, documents et livrables, dont la mise en production est prévue très prochainement.

Limites et preuves — Les indicateurs d’usage et de performance appartiennent au client et ne sont pas publiés ici. Je peux détailler le contexte, les choix d’architecture et les résultats en entretien.

  • LangGraph
  • Claude
  • MCP
  • Agents LLM
  • Python
  • Docling
  • Qwen
  • SSE
  • Angular
  • PowerPoint
Explorer tous les projets

PROJETS CHOISIS

Les preuves avant les promesses.

Pour chaque cas : le contexte, ma contribution et ce qui a été livré.
02 · ANALYSE DOCUMENTAIRE

Faire parler les documents.

ContexteBpifrance · PICXEL · via TALAN

Mon rôleAu sein d’une organisation SAFe d’environ 50 développeurs, j’ai travaillé sur deux axes : un outil d’analyse documentaire qui extrait les informations clés selon le type de document (signatures, dates, vérification SIREN/SIRET…), et la refonte de la barre de recherche, passée d’une recherche stricte à une recherche sémantique par embeddings.

Résultat livréL’outil d’extraction et la recherche sémantique sont tous deux en production.

03 · RECHERCHE DOCTORALE

Comprendre la performance, plus vite.

ContexteIRISA · Équipe de recherche TARAN

Mon rôlePendant ma thèse, j'ai conçu un modèle en Python fondé sur la théorie des files d'attente pour évaluer la latence de réseaux sur puce hybrides, électriques et sans fil. En tant qu'ingénieur R&D, j'ai ensuite développé une méthode de fenêtrage de traces (découpage et fusion de fenêtres) qui rend les prévisions de performance plus précises pour un coût de calcul réduit.

Résultat livréUn modèle analytique jusqu'à 500 fois plus rapide que le simulateur de référence Noxim, avec une erreur inférieure à 5 %.

PROJETS PERSONNELS

Quatre réalisations que j’ai construites et que j’exploite seul, de l’idée à la production.

Aqarih

Plateforme immobilière avec recherche IA

Plateforme immobilière bilingue avec assistant de recherche IA (Next.js, PostgreSQL, API OpenAI).

aqarih.com ↗ (nouvel onglet)

CalAL

App métier pour ateliers d’aluminium

App Android et web pour ateliers d’aluminium : calculs, découpe des panneaux, stock et factures ; en production (Kotlin, Ktor, PostgreSQL).

calal.ikrayem.com ↗ (nouvel onglet)

NewsAI

Digests d’actualité rédigés par LLM

Digests d’actualité en arabe rédigés par LLM et publiés sur Telegram et WhatsApp (Python, API OpenAI, embeddings).

Serveur personnel

Auto-hébergement de mes projets

Serveur Ubuntu auto-hébergé pour CalAL, NewsAI et ce portfolio : Caddy, PostgreSQL, déploiements scriptés, sauvegardes chiffrées.

03LE SYSTÈME

Construire toute la chaîne. Garder chaque étape observable.

01

Cadrer

Décision, utilisateurs, sources, risques et critères de réussite.

02

Construire

Recherche, agents, traitement documentaire, API et interfaces.

03

Observer

Traces, sources, étapes d’exécution et signaux opérationnels.

04

Évaluer

Contrôles qualité, limites, retours et itérations maîtrisées.

Voir les méthodes et outils

EXPERTISE

Concevoir des systèmes d’IA générative utiles et observables.

Des capacités techniques traduites en bénéfices concrets pour le produit et ses utilisateurs.

Je relie modèles, données, interfaces et contrôle qualité pour que l’IA produise un résultat exploitable — pas seulement une réponse plausible.

01

IA générative

  • LLM · RAG · agents LLM
  • MCP · appels d’outils
  • Claude · API OpenAI · Qwen
  • LangGraph · LangChain
  • Observabilité : Langfuse
  • Embeddings · Milvus · FAISS
  • Extraction documentaire : Docling
02

Ingénierie logicielle

  • Python
  • TypeScript · React · Next.js
  • Angular · Java
  • API REST · SSE
  • PostgreSQL · MongoDB · SQL
03

Cloud et livraison

  • Azure · AWS · Vercel
  • CI/CD · Jenkins
  • Datadog
  • Git · GitHub · GitLab
  • Agile · Scrum
04

Recherche

  • Modélisation des performances
  • Théorie des files d’attente
  • Pandas · SciPy
  • Rédaction scientifique et enseignement

FAQ

Questions fréquentes

Quel type de poste recherchez-vous ?

Un rôle d’ingénieur IA générative autour des applications LLM, du RAG, des agents, de l’intelligence documentaire et des enjeux de production.

Intervenez-vous au-delà du modèle ?

Oui. Les projets documentés couvrent les services Python, les interfaces Angular et React, les API, les bases de données, les pipelines documentaires, le cloud et la CI/CD.

Comment traitez-vous la fiabilité des LLM ?

En reliant les sorties à des sources explicites, en exposant les étapes d’exécution, en ajoutant de l’observabilité et en évaluant les résultats selon des critères définis. Le protocole précis dépend du cas d’usage.

04TRAJECTOIRE

La rigueur de la recherche, appliquée à l’IA en production.

Une même question traverse chaque étape : comment rendre un système complexe mesurable, compréhensible et utile ?

01

Développeur confirmé en IA générative · TALAN

Agent financier SVI (LangGraph, MCP) et intelligence documentaire PICXEL pour Bpifrance.

02

Ingénieur R&D · IRISA

Suite de la thèse : fenêtrage de traces pour une analyse de performance des réseaux sur puce plus rapide et plus précise.

03

Doctorant · IRISA

Un modèle fondé sur la théorie des files d’attente, jusqu’à 500× plus rapide que le simulateur Noxim, avec moins de 5 % d’erreur.

04

Doctorat en informatique · Université de Rennes

Des fondations de recherche en modélisation, mesure et évaluation critique.

500×

Accélération maximale de mon modèle de thèse face au simulateur Noxim, avec moins de 5 % d’erreur.

Lire le parcours complet

PARCOURS PROFESSIONNEL

De la performance des systèmes à l’IA générative.

De la modélisation des performances matérielles à l’IA générative en production : le fil qui relie chaque étape.
TALAN · Paris, France

Développeur confirmé en IA générative

Développeur IA générative en mission chez Bpifrance : l’agent financier conversationnel SVI et la plateforme documentaire PICXEL.

  • SVI (Bpifrance) — développeur IA générative d’une équipe agile de six : agent financier conversationnel construit avec LangGraph et Claude, avec gestion de l’historique et du contexte ; mise en production prévue très prochainement.
  • Relie l’agent aux données financières via un serveur MCP et développe ses outils : analyse SWOT avec export PowerPoint, visualisations, analyse de documents financiers (dont les tables de capitalisation).
  • Comparé des modèles open source (Qwen) aux modèles Claude pour l’extraction documentaire avec Docling ; intégré le streaming temps réel (SSE) dans le frontend Angular.
  • PICXEL (Bpifrance, organisation SAFe d’environ 50 développeurs) — développé un outil d’analyse documentaire qui extrait les informations clés selon le type de document (signatures, dates, vérification SIREN/SIRET…), en production.
  • Refait la barre de recherche PICXEL en recherche sémantique par embeddings, à la place d’une recherche stricte, en production.
  • Autres projets TALAN : systèmes RAG (partie retrieval) et recherche vectorielle avec FAISS.
IRISA · TARAN · Lannion, France

Ingénieur recherche et développement

Poursuite de mes travaux de thèse sur la même thématique : une analyse de performance des réseaux sur puce plus rapide et plus précise.

  • Développé une méthode qui accélère l’analyse de performance des réseaux sur puce par fenêtrage de traces d’applications réelles (découpage et fusion de fenêtres, modélisation de Poisson).
  • Amélioré la précision des prévisions de performance tout en réduisant la complexité de calcul, validé sur plusieurs types de trafic.
  • Mis en œuvre la chaîne de traitement des traces en Python (Pandas, SciPy).
IRISA · TARAN · Lannion, France

Doctorant en recherche et développement

Recherche sur des méthodes analytiques rapides d’évaluation des performances des réseaux sur puce.

  • Thèse : « Méthodes pour l’exploration rapide d’architectures multicœurs basées sur les réseaux sur puce avec des technologies émergentes » (Université de Rennes, soutenue en février 2024).
  • Conçu un modèle fondé sur la théorie des files d’attente qui évalue la latence de réseaux sur puce hybrides, électriques et sans fil : jusqu’à 500 fois plus rapide que le simulateur de référence Noxim, avec une erreur inférieure à 5 %.
  • Présenté les travaux lors de conférences nationales et internationales.

ENSEIGNEMENT

Transmettre en parallèle.

UPEC · EPISEN · Paris, France

Enseignant vacataire — Réseaux et virtualisation

Enseignement des réseaux informatiques et de la virtualisation auprès d'élèves ingénieurs.

  • Dispense de cours, TD et TP en réseaux et virtualisation (VMware vSphere).
ENSSAT · Université de Rennes · Lannion, France

Enseignant vacataire — Microcontrôleurs

Enseignement des microcontrôleurs auprès d'élèves ingénieurs à l'ENSSAT.

  • Encadrement de TD et TP en microcontrôleurs ainsi que d'un projet d'interfaçage.

FORMATION ET LANGUES

Les fondations du parcours.

Doctorat en informatique

Université de Rennes · Lannion, France

Diplôme d'ingénieur en informatique et télécommunications

ENSTA Bretagne · Brest, France

Licence en génie des réseaux informatiques et télécommunications

Université libanaise · Faculté de technologie · Saïda, Liban

FrançaisCourantAnglaisProfessionnelArabeLangue maternelle
CERTIFICATIONS

Certifications

  • Microsoft Azure AI-900
  • Professional Scrum Master I
  • GitHub Copilot Certification
LOISIRS

Loisirs

  • Course
  • Marche
Suivre mes activités sur Strava ↗
ENGAGEMENTS

Engagements

  • Membre de l'IEEE
  • Ordre des Ingénieurs - Liban
  • Bénévole à la Croix-Rouge française

05PROCHAIN SIGNAL

Un poste ou une mission IA générative à concrétiser ?

J’apporte aux produits d’IA générative une démarche de recherche, une ingénierie de bout en bout et une attention particulière aux résultats traçables.

PrioritéUn poste d’ingénieur IA générative. Je reste ouvert à une mission courte et clairement définie.

Portrait d’Ibrahim Krayem

Paris · Français courant · Anglais professionnel · Arabe langue maternelle