Ayoub El Houdri

J’ai conçu et déployé une solution complète d’automatisation de la prospection sur LinkedIn, combinant intelligence artificielle et traitement avancé des données.

Cette solution repose sur un système multi-agent capable de générer automatiquement des messages de prospection personnalisés, parfaitement adaptés aux profils ciblés.

Pour maximiser la pertinence des campagnes, j’ai segmenté les profils LinkedIn en fonction de leur domaine d’intérêt et de leur niveau d’engagement, en analysant leurs publications et interactions. Cette segmentation fine améliore la qualité du ciblage et augmente le taux de conversion.

La solution intègre également un moteur de recherche vectorielle permettant d’identifier des leads qualifiés de manière sémantique, assurant ainsi une prospection intelligente et pertinente.

Enfin, j’ai mis en place des pipelines LLMOps garantissant la robustesse, la supervision continue et la scalabilité des modèles en production, pour une performance optimale et une maintenance simplifiée.

Site web : https://www.waalaxy.com/

J’ai conçu et développé un agent IA multimodal basé sur une architecture RAG, destiné à automatiser la génération des rapports CIR (Crédit d’Impôt Recherche), et applicable également aux dispositifs CII (Crédit d’Impôt Innovation).

Cette solution, pensée pour des grands cabinets de conseil et d’audit, permet d’analyser de manière sémantique et intelligente des sources de données variées — documentation technique R&D, bibliographies scientifiques, brevets et données financières internes (budgets, feuilles de temps) — afin de produire un rapport structuré, argumenté et conforme aux exigences réglementaires.

J’ai travaillé en étroite collaboration avec les équipes R&D, Finance et Conformité, pour structurer les flux de production documentaire et industrialiser la génération des rapport. Grâce à cette approche, le temps de préparation de chaque dossier est passé de 40 heures à moins de 4 heures, tout en garantissant une traçabilité complète, une cohérence documentaire renforcée et une conformité élevée, avec un taux d’hallucinations très faible.

La solution repose sur une infrastructure moderne incluant un système de monitoring (LLMOps), assurant la supervision, la scalabilité et la maintenabilité du système en production, dans une plateforme intuitive, sécurisée, conforme aux normes européennes de résidence et protection des données.

Site web : https://www.finexov.com/

Développement et mise en production de pipelines de scraping permettant d’extraire, structurer et enrichir des données issues de plus de 15 sites web dans le domaine du mobilier et de la distribution. Les informations collectées concernaient les revendeurs : coordonnées, site web, réseaux sociaux, contacts, informations sur le propriétaire, etc.

Les scripts ont été développés en Python, avec la mise en place de mécanismes de contournement des protections anti-scraping (rotation d’IP, user-agents, gestion de délais, proxies). Les données étaient ensuite nettoyées et centralisées dans un data warehouse (PostgreSQL), conçu pour permettre leur analyse, leur contrôle qualité et leur export.

Ces données ont été utilisées pour alimenter une étude de marché et une analyse des concurrents, en identifiant la répartition géographique, le positionnement commercial et la couverture réseau des acteurs du secteur.

Site web : https://fr.cornilleau.com/