Cléophas FOURNIER
AI/ML Engineer
AI/ML Engineer avec 3 expériences professionnelles au sein de grands groupes (RATP, Crédit Agricole), dans des environnements Data, ML et IAGen, sur des architectures AWS en méthodologies Agile.
Je réduis le risque de vos systèmes d'IA en production.
AI Evaluation
Mesurer pour décider
- Red Teaming
- Benchmark & évaluation
- Monitoring / LLMOps
- Annotation
AI Optimization
Optimiser pour performer
- Prompt engineering
- Fine-tuning
- RAG
- Architecture IA
Missions & Clients
Des missions de conseil et d'expertise IA pour de grands groupes.
AI Engineer – MLOps "Evaluation de LLM"
Crédit Agricole Technologies et Services (Paris, France)ré
- →Campagne d' AI Red Teaming sur trois LLM avant déploiement interne
- →Gouvernance et outillage FinOps & RSE de projet IA Gen
- →Prédiction FinOps par machine learning
Data Scientist – R&D "Numérique responsable"
Crédit Agricole SA (Montrouge, France)
- →Fine-tuning d'un ModernBERT pour prédire la taille de réponse d'un LLM
- →Développement de 12 règles d'optimisation Python (Sonar) - voir contributions
- →Intégration d'un suivi en temps réel de l'impact environnemental dans la solution RAG du groupe
Data Analyst – Data Quality
CITiO (RATP) (Paris, France)
- →Déploiement d'un système de suivi de l'intégration des données via des KPIs de qualité
- →Modification des pipelines d'intégration des données pour répondre à l'évolution des besoins clients
Projets
Projets personnels et explorations techniques en IA, ML et architecture logicielle.
Red Teaming par RL : Désalignement de modèle
Réimplémentation locale d'une pipeline de reverse alignment par reinforcement learning sur Gemma 3 4B (RTX 3060 Ti). Un LLM juge Mistral score directement la dangerosité de chaque réponse (0 → 1, normalisé sur [−1, +1]), fournissant un signal GRPO qui pousse Gemma à produire du contenu que son alignement lui interdisait
Implémentation du LLM Wiki de Andrej Karpathy
Implémentation du pattern « LLM Wiki » de Andrej Karpathy : un agent construit et maintient une base de connaissances persistante en Markdown, intégrant chaque nouveau document (PDF, image, TXT) via OCR Mistral plutôt que de re-dériver la connaissance à chaque requête comme dans un RAG classique. Stack dockerisée : FastAPI, Next.js, MongoDB.
Architecture RAG Moderne
Pipeline RAG avancé pour un cabinet juridique interne, combinant query rewriting, HyDE et reranking pour maximiser la pertinence des réponses. Les documents multi-formats (TXT, HTML, CSV) sont prétraités selon des recommandations issues de la littérature récente. Stack d'observabilité complète avec LangSmith et Elasticsearch/Kibana.
UrbanScope - Prédiction de prix immobiliers
Pipeline de forecasting immobilier zero-shot sur 8,5 M de transactions DVF (2014-2025), avec prétraitement robuste (filtre de Hampel, lissage par moyenne mobile) et prévision via TimesFM 2.5 de Google (200 M paramètres). Permet d'identifier les communes offrant les meilleures perspectives de rendement sur cinq ans.
Travaillons ensemble
Disponible pour des missions freelance. N'hésitez pas à me contacter.
© 2026 Cléophas FOURNIER