À propos de Arnault
🔍 Data Scientist & IA / Machine Learning Engineer, 10 ans d'expérience
💶 Agrément CII : Bénéficiez de 20% de crédit d'impôt sur mes prestations liées à vos projets R&D.
🧠 Spécialités: NLP, IA, Data Science, Machine Learning, Deep Learning, Large Language Models (LLM / chatGPT).
🌐 Expérience: Edtech, Legaltech, Smart City, Greentech, Fintech, Medtech. Teamlead.
🌟 Focus:
- Impact Social
- Modélisation: R&D, PoC, Monitoring
- Management & Stratégie
- Supervision Projets Data.
💡 Expertises / Services:
- Classification et prédiction
- Visualization des données
- OCR / transcription de documents (documents numériques)
- Exploration de tendances textuelles
- Extraction d'entités ou d'information dans des textes
- Détection de churn client
- Segmentation client
- Analyse d'images
- Détection d'anomalies
- Pricing dynamique
- Prédiction de séries temporelles
- Prompt Engineering
- Adaptation / fine-tuning de LLM/ChatGPT
🎓 Diplômes: ENSAE Paris, Paris Saclay.
🌍 Travail à distance, disponible pour déplacements. Suivi hebdomadaire.
🌐 Clients récents: WHO, Silvr, World Bank ou Kalent AI.
Anglais
Capacité professionnelle complète
Espagnol
Capacité professionnelle complète
Français
Bilingue ou natif
En télétravail uniquement
Travaille majoritairement à distance
Expériences
- beta.gouv.frAI Engineer - RAG JuridiqueDROITseptembre 2025 - Aujourd'hui (9 mois)Londres, Royaume-UniRAG Juridique, Agents LLM & Systèmes IA de ProductionJ'ai participé à la conception et au déploiement une plateforme d'assistant juridique IA pour le Conseil d'État (Beta.gouv), combinant des technologies LLM, retrieval augmenté et fine-tuning de modèles de languqge.Réalisations clés du projet Jacepair:• Architecture RAG Hybride — Système de recherche combinant BM25 sparse et embeddings denses avec Reciprocal Rank Fusion, sur un corpus de 1.6M+ articles de loi et 110K+ décisions de justice• Pipeline d'ingestion multi-sources — Intégration automatisée de LEGIFRANCE (codes, lois, décrets), ArianeWeb (jurisprudence administrative) et ConsiliaWeb (avis consultatifs), avec versioning et traçabilité des modifications• Extraction intelligente de références légales — Système LLM + regex pour identifier et structurer automatiquement les citations d'articles, lois, ordonnances et décisions dans les documents juridiques• Abstraction multi-provider LLM — Architecture flexible supportant OpenAI, Mistral AI et Albert (LLM souverain français) via LiteLLM, avec validation Pydantic pour les sorties structurées• Infrastructure production-ready — Déploiement Docker Compose avec PostgreSQL/pgvector, Qdrant, FastAPI async, Streamlit, et gestion optimisée des connexions (AsyncPG, pooling jusqu'à 50 connexions)
- kwarto
Sur Malt
AI Engineer - Extraction de documents techniquesINGÉNIERIE MÉCANIQUEseptembre 2025 - septembre 2025Londres, Royaume-UniJ'ai effectué une mission en tant que Data Scientist / ML / NLP Engineer. Le projet avait pour but de mettre en place une solution d'extraction d'entités techniques à l'intérieur de documents PDF sur des installations de télécommunication.- Extraction des informations techniques des PDFs- Déploiement de LLMs open-source sur OVH- Mise en place d'un système d'évaluation automatique de l'extraction (via MLFlow)- Développement du système de fine-tuning- Développement de la plateforme d'annotations/correction - LaReserve.techAI Engineer (Volunteering)SECTEUR PUBLIC & COLLECTIVITÉSmars 2025 - Aujourd'hui (1 an et 3 mois)Londres, Royaume-UniRAG Fact-Checking, Recherche Multi-Source & Évaluation AdversarialeDescription: Développement de systèmes RAG de vérification des faits en production.J'ai participçe à la conception et au déploiement d'une plateforme complète de fact-checking automatisé combinant recherche multi-source, génération structurées, évaluation de pertinence et red teaming itératif.Réalisations clés du projet Vera:• Architecture RAG Multi-Source — Pipeline de recherche dual (fact-checking + sources génériques) avec Google CSE, système de priorité, fallback automatique et filtrage temporel configurable• Génération de Requêtes Structurées via LLM — Architecture tool-calling générant pour maximiser le recall, support multilingue• Système de Métriques Retriever — Évaluation LLM de la pertinence des sources, comparaison baseline et tracking dans le temps• Analyse de Sources avec Embeddings — Détection des sources inconnues (indicateur d'hallucination), mesure du recall et de précision• Red Teaming Itératif — Orchestration d'attaques adversariales en 4 phases (génération → exécution → analyse → amélioration), raffinement automatique sur N itérations• Bridge TypeScript/Python
Avis
Recommandations
MN
+1
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Ingénieur statisticien économisteENSAE ParisTech2016Cours (Spécialisation) : • Machine Learning • Apprentissage par agrégation • Gestion de données massives • Programmation • Compressed Sensing • Méthodes séquentielles et chaînes de markov cachées • Méthodes statistiques pour l'économétrie • Econométrie Avancée pour les données qualitatives • Soundings • Modèles statistiques dynamiques avec variables cachées • Bootstrap & statistiques asymptotiques • Statistiques Bayesiennes • Machines Learning Avancée • Data Visualization. Cours (Deux premières années) : • Probability Theory • Advanced Statistics • Non-parametric Statistics • Time Series • Game Theory • Econometrics • Data Analysis • Monte-Carlo methods • Dynamic Optimization • Stochastic Calculus • Macroeconomics
- Master II - Economie quantitative, spécialisation théorie de la décisionUniversité Paris-Saclay2016Cours : • Advances Econometrics for Qualitative Data • Semi Parametric and Non-Parametric Econometrics • Advanced Game Theory • Decision Theory • Monetary Economics • MacroFinance • Information, Transmissions and Communications in Games.