Conception et déploiement d'un moteur de recherche hybride combinant documents non structurés et métadonnées structurées pour la génération automatique de documents confidentiels chez Orange Business. Architecture : Pipeline RAG (LangChain + LLM souverain Alfred 40B / LightOn pour le Cloud, Llama et Phi pour Edge) avec sélection de modèle selon les contraintes infrastructure (souveraineté, latence, performance). Résultats : +35% d'accélération de la production documentaire des équipes, -19% de latence, réduction de moitié de l'usage GPU sur Edge.

**LangChain RAG LLM Python Cloud / Edge +35% productivité -19% latence **

Conception d'un agent IA dédié à l'analyse automatisée de documents PDF complexes, permettant aux équipes de rechercher, synthétiser et interroger leurs documents via langage naturel. Architecture : Pipeline RAG complète (ChromaDB comme base vectorielle, Llama 2 comme LLM), interface interactive développée avec Streamlit pour une prise en main intuitive. Résultat : Accélération de 45% du processus de recherche et de synthèse d'informations pour les équipes.

**RAG Llama 2 ChromaDB Streamlit Python +45% rapidité **

R&D et industrialisation de techniques d'optimisation de modèles IA (Quantization, Pruning, Distillation) pour déploiement sur dispositifs à faibles ressources (Edge, IoT). Benchmarking multicritères (précision / latence / taille) sur environnements Cloud, Edge et IoT. Pipeline d'optimisation automatisé via Docker et API Flask, intégré à la plateforme de l'entreprise. Résultats : Compression d'un modèle VGG19 par 115x avec moins de 4% de perte de précision. Réduction de 50% des coûts GPU.

Quantization Pruning Docker Flask MLOps x115 compression -50% coûts GPU