Elian Mangin

Lors de mon stage de fin d’études chez EDF, j’ai conçu et industrialisé un système RAG à grande échelle pour assister la rédaction d’études de dangers. Cela comprenait la mise en place d’un pipeline d’évaluation de bout en bout pour différentes solutions de parsing et de chunking (Docling, MinerU, VLM, chunking basé sur la similarité, etc.) ainsi que le benchmark de plusieurs stratégies de retrieval.

Je me suis concentré sur une qualité de code de niveau production, les tests automatisés (pytest, Ragas) et l’optimisation de pipeline avec Streamlit, LangChain et des intégrations API.

Grâce à ce travail, j’ai consolidé mon expertise en MLOps et en Deep Learning appliqués à la compréhension du langage à l’échelle industrielle.

Lors de mon stage de césure à la SNCF, j’ai travaillé sur des solutions de traitement du langage naturel, notamment le fine-tuning de grands modèles de langage et la mise en œuvre d’un système de question-réponse basé sur le RAG. J’ai conçu un pipeline complet de génération de FAQ, dockerisé et intégré à l’environnement interne, ce qui a renforcé mes compétences en déploiement de modèles et en optimisation des performances.