Ingénieur IA & LLM

Réalisations clés

• Développement de Voice Vibe, un plugin d'assistant vocal temps réel. Un prompt unique gérant toute une conversation parlée est lent et impossible à déboguer : je l'ai découpé en six agents LangGraph spécialisés composés en graphe, reliés par un pipeline STT/TTS en WebSocket, chaque étape étant observable pour qu'un mauvais tour de parole se trace jusqu'à un nœud précis.
• Latence de bout en bout mesurée autour de 975–1020 ms au p50, de la voix entrante à la voix sortante, les six agents s'exécutant à chaque tour.
• Comparaison de ce résultat avec cinq plateformes vocales de production, afin d'identifier les vrais goulets d'étranglement plutôt que les goulets supposés.
• Conception d'un pipeline MLOps complet (CRISP-DM) pour un moteur de recommandation d'acceptation de suggestions, avec un feature engineering sans fuite de données et des modèles LightGBM et de régression logistique calibrés, suivis dans MLflow et DVC.
• Mise en place d'une passerelle de promotion déterministe — shadow, puis gate, puis promote — afin qu'aucune version de modèle n'atteigne la production sans avoir été mesurée.
• Mise en place d'une stratégie de test à deux niveaux : 262 tests — unitaires sur la logique déterministe critique, fonctionnels sur REST et WebSocket via un client de test — exécutés en CI GitHub Actions à chaque push et pull request, atteignant 63 % de couverture des lignes et 57 % des branches.
• Ajout d'une couche Postman de collections REST en complément de la suite pytest, et exécution et maintenance des campagnes de tests manuels et automatisés à chaque sprint, avec analyse des résultats et suivi des anomalies jusqu'à leur clôture.
• Remplacement des services STT/TTS externes par des doublures, pour exercer le pipeline WebSocket hors ligne, sans clé d'API et de façon reproductible — la dépendance qui rendrait sinon la suite lente, coûteuse et instable.
• Travail en Scrum avec des tests dérivés des exigences non fonctionnelles (testabilité, latence inférieure à 2 s), documentés par module dans les rapports de sprint, les régressions étant détectées par la CI plutôt qu'en revue.
• Mesures au-delà de la suite de tests : 94 % de précision de routage sur 100 requêtes étiquetées, et latence relevée sur 50 exécutions avec un harnais côté client.
• Sécurité imposée en CI : pip-audit et npm audit à chaque build, et tests du limiteur de débit et du contrôle d'origine WebSocket, en complément des défenses contre l'injection de prompt.

• FastAPI
• LangGraph
• PostgreSQL
• LightGBM
• MLflow
• DVC
• Docker
• GitHub Actions
• pytest