Projets
J'ai commencé l'IA en 2021, encore en école d'ingénieur : des stages à Zurich et avec NTT DATA Munich en parallèle du diplôme (Esprit, 2025), puis le plein temps à partir de 2025. Aujourd'hui je suis AI Team Lead chez 1morething Studio et je forme des professionnels en soirée ; à l'été 2026, j'ai aussi conçu des tâches RL d'évaluation d'agents pour les modèles de pointe d'Anthropic chez Originator. Chaque chiffre ci-dessous vient des benchmarks du projet ou de ses données de production.
Où j'ai livré
Expérience
AI Team Lead
- Responsable IA de tous les produits du portefeuille de 1MT : je valide les choix d'architecture et de modèles, je fixe les standards des services IA du studio, et je relis les services IA que l'équipe livre. J'encadre 2 à 4 ingénieurs.
- Absar, vision edge pour une chaîne de cafés à Riyad : j'ai construit les 11 contrôles d'hygiène et de service qui tournent sur l'appareil, en service sur NVIDIA Jetson. Un benchmark GPU que j'ai mené a rendu l'inférence 17× plus rapide ; le réentraînement a porté la précision du détecteur de gobelets de 0,875 à 0,992.
- SheGrows, pour la FAO en Égypte : j'ai construit la couche de recherche adaptée au dialecte égyptien et la boucle de retour des experts d'un assistant RAG sur WhatsApp, qui a répondu à plus de 15 000 questions d'agricultrices.
- LegalTech, pour un ministère : j'ai construit un pipeline sur site pour des dossiers juridiques arabes numérisés. Temps d'OCR par ligne divisé par 45, à résultat identique.
Aujourd'hui● En cours
Ingénieur en évaluation IA · Freelance
- Conception d'environ 40 tâches d'évaluation agentique qui testent des modèles de pointe, Claude Sonnet et Opus d'Anthropic, sur de vrais logiciels clients, pour que ces clients puissent livrer des agents fondés sur ces modèles. Environ 80 % de tâches acceptées.
- Calibrage de tâches RL (RLVR) d'usage d'ordinateur sur une plage de réussite de 20 à 80 %, sur trois niveaux de difficulté : difficulté par étapes composées, bornes de confiance sur petits échantillons avant tout verdict, budget d'exécutions qui absorbe ~30 % de pannes d'infra. Graders Python déterministes sur l'état final de l'application.
- Validation de tâches pour Qwen3 pour un second client.
Juil. 2026
Formateur en data science
- J'enseigne l'AI Full Pack, de Python aux Transformers, de bout en bout : 3 promotions, une cinquantaine d'apprenants, surtout des professionnels en activité.
- Les cours se donnent en anglais, en français ou en tunisien, selon la salle. Pratique, par projets.
Aujourd'hui● En cours
Data Scientist
- Construction d'un service de traduction QHSE en Spring AI + Groq couvrant 10 langues, avec cache par client et traduction par lots en parallèle. Je l'ai ensuite exposé comme agent A2A et j'ai écrit un serveur MCP Spring AI par-dessus.
- J'ai aussi livré l'assistant intégré et les agents d'automatisation des audits. 301 tests automatisés et une CI GitLab en 9 étapes avec analyse de sécurité.
Févr. 2026
Data Scientist
- Classification de plus de 100 000 discours parlementaires par thème. Le pipeline a atteint 95 %.
- Système RAG permettant aux citoyens d'interroger ce qui a été dit au parlement.
Sept. 2025
Ingénieur IA · Stage
- Intégré directement à l'équipe NTT DATA de Munich. J'ai mené la recherche RAG et choisi le LLM sur AWS SageMaker.
- J'ai aussi construit les pipelines cloud : S3, EC2, EKS, Docker, GitLab CI.
Déc. 2024
Data Scientist · Stage
- Entraînement d'un pipeline RoBERTa sur plus d'un million de documents juridiques allemands. +15 % de précision en aval.
- Automatisation du traitement : 40 % plus rapide de bout en bout.
Oct. 2023
Réalisations
Absar : vision edge pour une chaîne de cafés
SheGrows : RAG en arabe pour la FAO en Égypte
LegalTech : archives juridiques arabes
Ahki : arabizi tunisien → arabe
DocMate : assistant de documentation IA
RAG et MCP avec Spring AI
Projets personnels
Qirat : tableau de bord crypto
Code source sur GitHub. Aussi : Voyagent, un planificateur de voyage multi-agents CrewAI que j'ai audité et durci (calculatrice sécurisée, prompts ancrés, relances Groq).
Activité
Recommandations
Abdelkerim a une compréhension solide des systèmes RAG et du déploiement de LLM sur AWS, et il a abordé son travail avec curiosité et méthode. Il a été proactif face aux difficultés et a pris le temps d'approfondir quand il le fallait.
Votre façon claire et concrète d'enseigner des sujets complexes (des bases de Python au machine learning, au deep learning, à l'IA générative et aux Transformers) a rendu tout le parcours vraiment enrichissant. Votre passion, votre patience et votre soutien constant ont beaucoup renforcé ma compréhension.
Vos exemples concrets et vos explications claires ont révélé le potentiel immense de l'IA. Merci pour votre patience tout au long des projets pratiques et des fondamentaux du deep learning, et pour nous avoir poussés à aller au-delà des bases. Vous nous avez donné envie d'appliquer tout cela sur de vrais projets.
J'ai particulièrement apprécié sa grande motivation et sa capacité à apprendre rapidement. Il est une personne autonome et sérieuse. Je suis convaincue qu'il réussira dans sa future carrière.