_
Je conçois et déploie des architectures d'IA agentique et des systèmes multi-agents sur le cloud — du prototype à la production via pipelines MLOps, CI/CD et infrastructure AWS.
Research → Build → Deploy → Production. Peu de profils IA maîtrisent le déploiement cloud des MAS.
class AgentOrchestrator:
def deploy(self, erp):
return MAS(agents="industrial")
Profil
AI Deployment Strategist & Data Scientist spécialisé dans l'intelligence industrielle.
Expert en Systèmes Multi-Agents Centralisés (MAS) intégrés aux couches ERP. Je transforme les systèmes industriels legacy en écosystèmes intelligents capables de décisions autonomes en temps réel.
De la recherche académique au déploiement cloud en production — je maîtrise l'ensemble de la chaîne : modélisation, containerisation, CI/CD et infrastructure scalable. Une compétence rare qui fait la différence sur le marché de l'emploi IA.
CI/CD · AWS EC2 · Docker · GHCR
ISIMM — Monastir
Arabe natif, Français courant, Anglais pro
MAS · ERP · MLOps · Agentic AI
02 — Déploiement & Cloud
La majorité des profils IA s'arrêtent au notebook. Moi, je déploie. Pipelines MLOps complets et systèmes multi-agents sur le cloud — une compétence rare à forte valeur marché.
Architecture monorepo, orchestrateur containerisé, agents de décision et intégration ERP déployés en production sur AWS — de l'architecture à l'exploitation.
Fine-tuning LLaMA 2, évaluation automatisée et déploiement de modèles via Airflow et Docker.
GitHub Actions, images GHCR, déploiement automatisé EC2 et pipelines Harness.
Du POC à l'usine — intelligence sous ERP, workflows agentiques en production.
Compétences
Déploiement de modèles et systèmes multi-agents en production — CI/CD, containerisation et infrastructure cloud.
Expérience
Sotipapier Tunisia
REDCAD Laboratory — Sfax
ONRTECHE Tunisia
Projets
Architectures dynamiques avec Orchestrator Agents pour tâches inter-départementales. Coordination intelligente et allocation de ressources en temps réel sous couche ERP.
Retrieval-Augmented Generation texte + imagerie. Embeddings + ChromaDB pour support technique.
Fine-tuning et évaluation end-to-end via Airflow + Docker. Pipeline MLOps complet.
Défense contre gradient poisoning en Federated Learning. Workflows sécurisés via MCP.
Formation
ISIMM — Monastir
ML, Deep Learning, déploiement IA en production.
ISIMM — Monastir
Mathématiques appliquées, algorithmique, modélisation.
Contact
Projet IA industrielle, déploiement MAS ou expertise MLOps — discutons-en.