Edouard Ducloy

Contribution principale et résultats obtenus

Conception et déploiement d'un assistant conversationnel spécialisé en philosophie nietzschéenne, exploitant la technologie RAG (Retrieval-Augmented Generation) via l'API OpenAI et un système de vector store.

Problèmes résolus :

Accès facilité à un corpus philosophique complexe sans nécessiter une lecture exhaustive des ouvrages

Réponses contextualisées avec citations précises issues directement des textes sources

Navigation intelligente dans une pensée philosophique dense et souvent mal interprétée

Objectifs atteints :

Création d'un outil de recherche sémantique permettant d'interroger en langage naturel des œuvres philosophiques

Indexation réussie d'un corpus de textes primaires et secondaires sur Nietzsche

Mise en place d'un système de récupération pertinent avec scoring de similarité

Responsabilités et actions réalisées

Architecture technique : Configuration de l'assistant OpenAI avec intégration de vector store pour le stockage et la recherche d'embeddings

Traitement de données : Préparation, nettoyage et segmentation du corpus philosophique en chunks optimisés pour la recherche sémantique

Implémentation : Développement des workflows de requêtes, paramétrage du système de prompts et ajustement des hyperparamètres de recherche

Ingestion de contenu : Chargement et indexation des ouvrages de Nietzsche (textes primaires) et d'études secondaires dans le vector store

Tests et validation : Évaluation de la pertinence des réponses et ajustement des stratégies de récupération

- Conception et développement d'un système LLM avec RAG : Responsable de l'analyse des besoins, du traitement des données et de la conception d'un système d'intelligence artificielle basé sur Mistral 7B, en utilisant des techniques de fine-tuning LoRA/QLoRA pour une plateforme de soutien scolaire.

- Implémentation d'une architecture RAG : Mise en place d'une solution de Retrieval-Augmented Generation permettant d'enrichir les réponses du modèle avec des données pédagogiques spécifiques, améliorant ainsi la pertinence et la précision des interactions.

- Développement de fonctionnalités pédagogiques avancées : Création de modules pour la génération automatique de QCM, l'analyse des performances des élèves et l'assistance personnalisée via chatbot, répondant aux besoins spécifiques des utilisateurs de la plateforme.

- Expérimentation et optimisation du modèle : Utilisation de Google Colab pour les tests préliminaires, évaluation des performances et préparation d'une infrastructure pour un déploiement à grande échelle.

Technologies Utilisées : Python 3.13, PyTorch, Transformers, PEFT, LangChain, ChromaDB, FastAPI, Sentence-Transformers, BitsAndBytes, MistralAI

- Étude, gestion et conception d'un système de test automatisé : Responsable de l'analyse des besoins, de la gestion du projet et de la conception d'un système de test automatisé pour des produits physiques, en utilisant des PCB propriétaires. Ce système permet de garantir la qualité et la fiabilité des produits testés.

- Intégration du système : Supervision de l'intégration du système de test automatisé au sein de l'infrastructure interne de l'entreprise, assurant une compatibilité optimale avec les outils et processus existants. Application d'une stratégie CI/CD : Mise en œuvre de pratiques d'intégration continue et de déploiement continu via GitLab, permettant une livraison rapide et fiable des mises à jour logicielles.

- Création de bibliothèques Python : Développement de bibliothèques Python réutilisables et leur déploiement sur un serveur de packages, facilitant ainsi leur utilisation par d'autres équipes et projets.

Technologies Utilisées : Python 3.9, USB ISS, JLink, Flask, Docker, GitLab, Poetry, PyPI