ORIA · mission client (confidentielle)

IA générative et RAG sur données métier

Participation au développement de solutions Python d’exploitation intelligente de données métier : intégration de modèles d’IA générative, services backend et automatisation de traitements orientés production.

Mission clientDepuis 2025

Contexte

Un client disposait de données métier et de documents issus de plusieurs sources, difficiles à exploiter et à interroger. La mission, menée en collaboration, visait à les rendre exploitables par des traitements d’IA en production. Le client n’est pas nommé (confidentialité).

Problème

Collecter et structurer des données hétérogènes, puis permettre une recherche sémantique fiable et des traitements d’IA générative sur des documents métier, avec des services exposés par API.

Approche

  1. Pipelines ETL en Python pour la collecte, la transformation et l’intégration de données issues de plusieurs sources.
  2. Pipeline RAG : vectorisation des documents métier, embeddings Hugging Face Transformers et index vectoriel FAISS pour la récupération contextuelle.
  3. Intégration et adaptation du modèle Mistral 7B pour des traitements d’IA appliqués à des données métier spécifiques.
  4. Modules Python de traitement automatique de texte, de structuration des documents et d’indexation des contenus.
  5. Services backend et API REST avec FastAPI ; intégration des données transformées dans PostgreSQL avec une structuration relationnelle adaptée.
  6. Participation à l’évaluation, à l’ajustement et à l’optimisation des performances des pipelines IA.

Stack

  • Python
  • ETL/ELT
  • RAG
  • Hugging Face
  • FAISS
  • Mistral 7B
  • PyTorch
  • FastAPI
  • PostgreSQL
  • React
  • Git

Statut

Mission client

Mission réalisée dans le cadre d’ORIA, en collaboration ; détails clients non publiés.

Ce que j’en retiens

Un RAG utile se joue autant dans la préparation des documents — découpage, structuration, indexation — que dans le choix du modèle. Et un modèle ouvert comme Mistral 7B laisse la maîtrise des données chez le client.