Mohamed Yahdhih Sidi

Pipeline de classification produits e-commerce (12M+ produits) : approche hybride modeles vanilla + LLM zero-shot, precision de 60% a 90% sur 4 niveaux de profondeur. Optimisation de pipelines RAG en production : hybrid search (dense + sparse retrieval), reranking, integration de sources de donnees heterogenes (APIs, bases relationnelles, documents non structures). Orchestration multi-agents avec LangGraph : workflows asynchrones, chainage de taches complexes, gestion de knowledge base structuree. Monitoring LLM avec Langfuse : tracking couts, latences, qualite des outputs, detection de degradations et alerting. Industrialisation end-to-end : Docker, Kubernetes (Azure AKS), CI/CD, Terraform, reduction de 40% des couts d'inference.

Leadership technique sur la mise en production de LLMs : evaluation, fine-tuning, transition modeles proprietaires vers open source (Mistral, LLaMA) avec frameworks d'evaluation systematiques. Pipelines d'evaluation automatises : benchmarking, metriques de qualite, tests de regression et monitoring continu.

Pipelines ML automatises end-to-end : entrainement, validation, deploiement et monitoring en production. Traitement de donnees a grande echelle avec Python, Elasticsearch et PySpark, CI/CD pour workflows ML.