Aller au contenu

Bonjour, je suis Mohamed

Des systèmes intelligents,de la recherche au logiciel réel.

Ingénieur IA, Data & Logiciel. Je construis des systèmes d'IA appliquée, des pipelines de données fiables et du logiciel full-stack, avec une évaluation rigoureuse et une ingénierie pensée pour la production.

  • LLM
  • RAG
  • Pipelines
  • Temps réel
  • Next.js

Fig_01 — un même champ, trois représentations

Pass ingénieur
Mohamed AbiMA_2026

Mohamed Abi

IA · Data · Logiciel

PAR · FR
Profils@

Paris, France

Ouvert à un CDI en France

—:—Paris · heure locale

TotalEnergies OneTech
extraction LLM, GPU/HPC
CETIC
RiskTailor, INFORSID 2026 — 1er auteur
Maison Dlala
plateforme temps réel en ligne
Paris-Saclay
MSc DataScale
Mohamed Abi01 — 03

Trois systèmes, trois manières de prouver.

Une évaluation industrielle, une publication de recherche, un produit en ligne. Chaque étude de cas dit ce que j'ai fait personnellement — et ce qui ne vient pas de moi.

  1. TotalEnergies OneTech · DataLab, Pau

    La bonne valeur, pour le bon objet : extraction par LLM dans des rapports industriels

    Une extraction en deux passes guidée par la structure des documents, sur LLM auto-hébergés et GPU, avec une évaluation qui sépare l'identification des objets de la qualité de leurs attributs.

    Prototype évalué, candidat à l'intégration

    Lire l'étude de cas

    REPORT · 175K TOKENS§1 WELL A§3 WELLBORE A-1§7 OFFSET WELLWELL AWELLBORE A-1OFFSET — EXCLUDEDCONCEPTUAL — FICTIONAL VALUES
    Concept_01 · illustration
  2. Salle de vente en direct de Maison Dlala, vue acheteur
    En ligne

    Produit indépendant · temps réel, multi-instance

    Maison Dlala : des enchères en direct où le serveur a toujours raison

    Une place de marché d'enchères en quatre langues, dont l'arabe : offres idempotentes dans une seule écriture atomique, horloge serveur, salles en direct réparties sur plusieurs instances.

    Vitrine privée, v2.6 — maisons, lots et enchérisseurs fictifs, paiements simulés

    En ligne — maisondlala.com

    Lire l'étude de cas

  3. CETIC · NLP, GenAI et cybersécurité

    RiskTailor : un rapport de risques, une restitution par lecteur

    Un pipeline RAG exposé en API qui adapte la synthèse d'un rapport de risques cyber à l'architecte, au manager ou au responsable conformité — publié à INFORSID 2026, en premier auteur.

    Recherche publiée — INFORSID 2026

    Lire l'étude de cas

    Lecteur 01ArchitecteVulnérabilités, composants exposésMême rapport
    Lecteur 02ManagerImpacts et prioritésMême rapport
    Lecteur 03ConformitéTraçabilité ISO 27005Même rapport

02Parcours

Industrie, recherche, produit.

  1. 04 — 09 · 2026

    TotalEnergies OneTechHPC Data Scientist / Data Engineer (stage M2)

    Extraction de métadonnées par LLM auto-hébergés sur GPU, avec une évaluation qui distingue identification des objets et qualité des attributs.

    Étude de cas
  2. 01 — 03 · 2026

    CETICR&D NLP & GenAI, cybersécurité

    Pipeline RAG et API FastAPI pour adapter un rapport de risques à son lecteur ; premier auteur de RiskTailor (INFORSID 2026).

    Étude de cas
  3. 2025 — 2026

    Maison DlalaFondateur — produit et architecture

    Plateforme d'enchères temps réel en production : offres idempotentes, salles en direct multi-instance, quatre langues dont l'arabe.

    Étude de cas
  4. 06 — 08 · 2024

    CERISTTraitement vidéo & vision

    Pipeline de détection d'anomalies vidéo : ingestion, caractéristiques, CNN et autoencodeurs, évaluation.

  5. 2023 — 2025

    WorldWeb SolutionsFondateur, développeur full-stack

    Produits web de bout en bout pour des petites entreprises : cadrage avec des clients non techniques, réalisation, mise en ligne.

  6. 2022

    Sonatrach · APCSDonnées & applications d'entreprise

    Modélisation Oracle et PL/SQL, application APEX avec sécurité par ligne ; modules Odoo et reporting SQL logistique.

03Capacités

Trois disciplines, une preuve pour chaque ligne.

Pas de jauges ni de pourcentages : chaque capacité renvoie au travail où elle a servi.

04Manière de travailler

Cinq règles, chacune apprise sur un vrai problème.

  1. 01

    Évaluer avant d'affirmer

    Un score moyen cache les erreurs qui coûtent. Je sépare ce que je mesure — détection, attribution, latence — et je garde les limites dans le même document que les résultats.

    Évaluation L1 / L2, TotalEnergies
  2. 02

    Mettre la garantie dans l'écriture

    Quand une règle compte — une offre jamais comptée deux fois — elle vit dans l'opération atomique, pas dans du code autour qu'une panne peut contourner.

    Offres idempotentes, Maison Dlala
  3. 03

    Le plus petit design sûr

    Entre l'architecture la plus propre et celle qui ne touche pas au circuit de l'argent, je choisis la seconde — et j'écris pourquoi.

    Adaptateur de vente en direct, Maison Dlala
  4. 04

    Un générateur, un vérificateur

    Un LLM propose, une contrainte vérifiable dispose : ontologie, schéma Pydantic, validateur déterministe.

    Graphes neuro-symboliques · validateurs TotalEnergies
  5. 05

    Dire le statut exact

    Prototype, recherche, construit mais désactivé, en production : ce sont des états différents, et les confondre coûte la confiance.

    Tout ce site

05Recherche & formation

Publier, c'est accepter d'être vérifié.

Formation

  1. 2025 — 2026

    MSc DataScale — données massives en systèmes distribués

    Université Paris-Saclay / UVSQ

  2. 2024 — 2025

    Master 1 Big Data Management

    Université Paris-Saclay / UVSQ

  3. 2023 — 2024

    Master Data Science

    Université d'Alger

  4. 2020 — 2023

    Licence Systèmes d'information & génie logiciel

    Université d'Alger

Certifications & parcours

  • Snowflake — Associate Data Engineer2025
  • DataCamp — Data Engineer Associate2025
  • Dataiku — ML Practitioner · Core Designer2025
  • Databricks — Introduction to Databricks SQL2026
  • AWS — Data Engineering Foundations · Cloud Technical Essentials2025
Portrait de Mohamed Abi
Mohamed Abi · Paris

06À propos

Ingénieur, entre la recherche et le logiciel.

J'ai commencé par les systèmes d'information à Alger : bases de données, PL/SQL, applications d'entreprise. Puis les pipelines et le machine learning, puis la recherche appliquée en IA générative à Paris-Saclay, au CETIC et chez TotalEnergies.

Ce qui me retient, ce sont les problèmes où une bonne réponse ne suffit pas : il faut qu'elle soit vérifiable, attribuée au bon objet, et qu'elle tienne quand tout arrive en même temps. C'est vrai pour un LLM qui lit un rapport de 175 000 tokens comme pour une offre envoyée deux fois pendant une vente en direct.

J'explique aussi la data et l'IA à une communauté de plus de 100 000 abonnés. Je parle arabe, français et anglais.

Recrutement

Un poste en IA, data ou logiciel ? Parlons-en.

Je cherche un CDI en France. Réponse sous 48 heures.