Fayçal BoubekriAI & Data Engineer · Paris

Freelance au forfait · agents IA · RAG · pipelines de données

Des systèmes IA qui tiennent leurs chiffres.

Je conçois et livre des agents IA, des assistants sur documents internes et des pipelines de données pour les PME et ETI. Chaque projet arrive avec son évaluation : ce qui marche, mesuré, et ce qui reste à vérifier, écrit noir sur blanc.

FactuAgent7/7anomalies de facture détectées, dont la fraude au changement d'IBAN
Vélib Pulse50/50incidents retrouvés sur 5 simulations, aucune fausse alerte
Boussole0fuite de document confidentiel sur 8 questions piégées
5 projets78tests automatisés, tous au vert à la publication

Projets

Code complet, tests et rapports d'évaluation publiés. Les données de démonstration sont synthétiques ou ouvertes.

IA documentaire · finance

FactuAgent

Un agent qui lit les factures fournisseurs, les contrôle et bloque les suspectes avant paiement.

Depuis septembre 2026, toutes les entreprises doivent pouvoir recevoir des factures électroniques. Pendant la transition, la comptabilité reçoit un mélange de Factur-X et de PDF classiques, et la fraude au faux RIB reste un risque majeur.

  • Lecture directe du XML Factur-X (EN 16931), extraction par Claude pour les PDF classiques
  • Contrôles : clé du SIREN, n° de TVA, IBAN, HT + TVA = TTC, délai légal de 60 jours
  • Détection des doublons et des changements d'IBAN par rapport à l'historique
  • Serveur MCP : les factures s'interrogent depuis Claude Desktop
PythonPydanticClaude · tool useFactur-X / CIIDuckDBMCP

Vérifié sur 41 factures de démonstration

100 %des champs exacts sur Factur-X et sur les mises en page connues mesuré
7/7anomalies injectées détectées, 1 fausse alerte de niveau avertissement mesuré
0 %par règles sur les factures en texte libre : elles partent en revue humaine, c'est le rôle de l'extraction par Claude à mesurer avec une clé d'API
$ python -m factuagent.cli process data/invoices
✓ 031_classic.pdf                      [rules  ]
✗ 032_classic.pdf                      [rules  ] TOTALS_MISMATCH
✗ 033_siret_facturx.pdf                [facturx] SIREN_INVALID, VAT_INVALID
✗ 034_classic.pdf                      [rules  ] IBAN_CHANGED
! 035_classic.pdf                      [rules  ] PAYMENT_TERMS
✗ 041_doublon_021_classic_facturx.pdf  [facturx] DUPLICATE

41 factures : 31 OK, 2 à vérifier, 8 à revoir
Data engineering temps réel · mobilité

Vélib Pulse

La supervision du réseau Vélib', du flux ouvert jusqu'au brief des équipes terrain.

Une station qui ne remonte plus rien ou des bornettes hors service ne se voient pas sur une carte des vélos disponibles. Vélib Pulse les repère, les classe par priorité et calcule où envoyer les camions de régulation.

  • Collecte du flux GBFS toutes les 60 s vers Redpanda (API Kafka), lu directement par ClickHouse
  • dbt : 7 modèles dont un incrémental par quart d'heure, 18 tests de qualité
  • Détection : stations muettes, bornettes HS, fermetures, stations toujours vides ou pleines
  • Agent IA qui rédige le brief opérations, serveur MCP pour l'interroger
Redpanda / KafkaClickHousedbtPythonDocker ComposeClaudeMCP

Vérifié sur 5 simulations de 150 stations × 48 h

50/50incidents injectés retrouvés, aucune fausse alerte mesuré
1 mind'écart médian sur l'heure de début d'une panne de station muette mesuré
90→100% de rappel après correction : les grandes stations avec 1 ou 2 vélos coincés comptent désormais comme vides mesuré
Kafkaingestion par le moteur Kafka de ClickHouse, validée en syntaxe à tester sous Docker
Rapport Vélib Pulse : indicateurs du réseau, brief opérations rédigé, courbes sur 48 heures
Rapport généré à partir des marts dbt, sur données simulées au format GBFS.
RAG agentique · gouvernance

Boussole

Un assistant sur les documents internes qui cite ses sources et respecte les droits d'accès.

Trois risques font échouer ces assistants en entreprise : ils inventent, ils divulguent, et personne ne sait ce qu'ils coûtent. Boussole est construit autour de ces trois risques, sur 16 documents d'une entreprise fictive.

  • Ingestion Word, PDF, HTML et Markdown, découpage par titres
  • Recherche hybride BM25 + vecteurs, fusion RRF
  • Droits filtrés avant la recherche, rôle fixé côté serveur, versions périmées écartées
  • Citations exactes de Claude, coût et tokens journalisés par question, cache cloisonné par rôle
Claude · citationsBM25 + vecteursFastAPISQLitescikit-learnMCP

Vérifié sur 48 questions de référence

92 %de rappel à 5 résultats en recherche hybride (MRR 0,83) mesuré
0fuite de document confidentiel, y compris sur une tentative d'injection, et 0 ancienne version remontée mesuré
75 %sur les questions en langage familier : le point faible que l'agent corrige en reformulant mesuré
Haiku · Sonnetcomparaison qualité et coût des réponses générées, script prêt à mesurer avec une clé d'API
Interface de Boussole : sélecteur de rôle, question, passages sources et panneau de coûts
Interface en mode hors ligne : passages pertinents et panneau de traçabilité des coûts.
LLM souverain · arabe dialectal

LLM en dialecte saoudien

Des modèles de 0,8 à 9 milliards de paramètres qui parlent le dialecte saoudien et tournent sur un seul GPU de l'entreprise.

Les grands modèles parlent l'arabe standard, beaucoup moins les dialectes. Un service client du Golfe doit parler comme ses clients et garder les conversations sur place.

  • Fine-tuning LoRA de Qwen3.5 et LFM2.5 avec Unsloth, sur 3 545 conversations en dialecte najdi
  • Six modèles publiés sur Hugging Face, de 0,8 à 9 milliards de paramètres
  • Entraînement reproductible à partir des configurations publiées, évaluation du registre dialectal
  • Service 100 % local avec Ollama ou vLLM, API compatible OpenAI

Projet mené en binôme avec Ayoub Cherguelaine ; les modèles sont publiés sur son compte Hugging Face.

UnslothTRL · LoRAQwen3.5LFM2.5OllamavLLM

Mesuré lors des entraînements (179 conversations de test)

1,42de perte d'évaluation pour le 9B, contre 1,50 pour le 4B et 1,70 pour le 2B mesuré
−16 %de perte en passant de 2 à 9 milliards de paramètres, mêmes données et mêmes réglages mesuré
43 mind'entraînement pour le 9B sur une seule carte A100 mesuré
Registrepart des réponses en dialecte face à l'arabe standard, avant et après entraînement à mesurer sur GPU
Dialecte saoudienوش تبي؟
Arabe standardماذا تريد؟
« Que veux-tu ? » : la même question, deux registres. Les modèles sont entraînés sur le premier.
Automatisation · n8n

Automatisations n8n + IA

Trois workflows prêts à déployer chez une PME, avec un humain dans la boucle.

  • Tri des emails clients : classement, étiquettes Gmail, brouillons de réponse, alerte Slack
  • Factures reçues par email : extraction, contrôles anti-fraude, tableau de suivi
  • Veille appels d'offres : avis du BOAMP filtrés, notés par Claude selon le profil de l'entreprise

Rien n'est envoyé, payé ou validé automatiquement : les réponses restent des brouillons et les factures suspectes sont bloquées.

n8nClaude HaikuGmailGoogle SheetsAPI BOAMPJavaScript

Vérifié dans n8n 2.44

3/3workflows importés et ouverts sans erreur de configuration mesuré
9tests sur la logique de contrôle, exécutée aussi dans le moteur n8n mesuré
APIappels réels à Gmail, Sheets, Slack et Claude à la mise en service
Workflow n8n de tri des emails : déclencheur Gmail, classement par Claude, étiquettes et brouillons
Workflow de tri des emails dans l'éditeur n8n.

Offres au forfait

Un livrable défini, un prix fixe, une démonstration et deux semaines d'ajustements inclus.

Tri des emails et brouillons de réponse

Emails classés et étiquetés, brouillons prêts à relire pour les réclamations et le support, alerte sur les réclamations.

690 €HT · 2 semaines

Factures fournisseurs contrôlées

Extraction par IA, contrôles SIREN, IBAN, totaux et délai légal, alerte sur les changements d'IBAN, tableau de suivi.

990 €HT · 3 semaines

Veille appels d'offres qualifiée

Avis du BOAMP filtrés et notés chaque matin selon votre profil, synthèse par email et tableau de suivi.

790 €HT · 2 semaines

Projet sur mesure

Agent IA métier, assistant sur vos documents, socle de données temps réel ou plateforme dbt + ClickHouse.

Sur devisaprès un cadrage

Délais comptés à partir de la réception des accès et des exemples. Maintenance et évolutions : 49 € HT par mois et par automatisation. Le coût d'usage de l'IA reste de l'ordre de quelques dizaines de centimes par mois pour ces volumes (Claude Haiku 5.5).

Méthode

La même démarche que dans les projets ci-dessus.

  1. CadrageUn livrable, un critère de réussite chiffré et les données disponibles, fixés par écrit.
  2. PrototypeUne première version sur vos données réelles en quelques jours, pour décider vite.
  3. ÉvaluationUn jeu de cas de test et les chiffres obtenus, avant toute mise en production.
  4. Mise en serviceDéploiement sur vos outils, documentation et passation à vos équipes.

Parcours

Data engineering et IA appliquée, du NLP aux plateformes de supervision.

Aujourd'hui
Ingénieur projet dataPlateforme de supervision d'infrastructures urbaines et de bornes de recharge : pipelines, ClickHouse, dbt, qualité des données, reporting.
Formation
Mastère Data Engineering & IA, EFREI ParisEn parallèle de l'activité professionnelle.
Avant
Wessini et ICOSNETTraitement automatique du langage chez Wessini, intelligence artificielle chez ICOSNET.
Formation
Master, Université de Blida

Un process à automatiser, des documents à exploiter ?

Décrivez-moi le besoin en quelques lignes : je vous réponds avec une proposition de livrable, de délai et de prix fixe.