Abdullah Saeed
Al Mukalla, Yémen
Abdullah Saeed
Ingénieur agent IA | LLM, RAG, Automatisation, Chatbot
Catégorie : Intelligence artificielle (IA)
Je construis des systèmes d’IA prêts à la production — pas des prototypes fragiles qui tombent en panne une semaine après leur déploiement.
La plupart des projets d’agents IA échouent car ils nécessitent une équipe complexe à synchroniser : un ingénieur IA, un développeur backend, un architecte de base de données et un développeur frontend. Je gère tout le cycle de vie en solo. En comblant le fossé entre la logique d’IA autonome et l’infrastructure d’entreprise, j’aide les fondateurs et entreprises SaaS à lancer des produits d’IA évolutifs plus rapidement, sans friction d’intégration et avec une charge opérationnelle moindre.
🔹 Ce que je construis
- Agents et flux de travail autonomes IA : architectures en plusieurs étapes utilisant une gestion avancée de l’état, des capacités d’appel d’outils, une gestion de la mémoire à court/long terme et une validation humain-in-the-loop.
- Systèmes RAG de qualité production : Moteurs de recherche à haute précision et avec référencement exploitant la recherche sémantique, les bases de données vectorielles et le reclassement avancé pour éliminer complètement les hallucinations.
- Produits IA complets : applications web évolutives avec interfaces utilisateur réactives, authentification sécurisée, couches de bases de données robustes et files d’attente de travailleurs en arrière-plan.
- Automatisation des flux de travail par IA : Intégration des LLM dans les piles technologiques existantes (CRM, bases de données, canaux de communication) pour automatiser de manière fiable des opérations manuelles à grand volume.
🔹 Impact dans le monde réel
Assistant virtuel d’agent IA
Conception et développement d’un assistant IA Telegram avec état, qui automatisait entièrement la gestion des demandes clients et la gestion des plannings pour les entreprises de salon de coiffure.
- Réduction des coûts opérationnels d’environ 90,2 % par rapport à l’embauche d’un assistant virtuel.
- Livrait une architecture de production de bout en bout : logique d’agent, serveur FastAPI et couche de base de données sécurisée.
Analyseur de bases de données par IA
J’ai construit un flux de travail analytique alimenté par l’IA permettant aux équipes non techniques d’interroger les bases de données en utilisant un langage naturel.
- Éliminer les goulots d’étranglement SQL et réduire le délai de réponse des rapports de plusieurs jours à quelques secondes.
- Déployer des LLM locaux via Ollama pour garantir la confidentialité totale des données tout en réduisant les coûts d’inférence pour les environnements d’entreprise.
🛠️ Pile technologique
- Architecture et orchestration IA : pipelines LangGraph, LangChain, RAG
- Bases de données vectorielles et relationnelles : PostgreSQL, ChromaDB
- Backend & Infrastructure : FastAPI, APIs RESTful, Node.js, Docker
- Frontend et systèmes : Next.js, TypeScript, JavaScript
La plupart des projets d’agents IA échouent car ils nécessitent une équipe complexe à synchroniser : un ingénieur IA, un développeur backend, un architecte de base de données et un développeur frontend. Je gère tout le cycle de vie en solo. En comblant le fossé entre la logique d’IA autonome et l’infrastructure d’entreprise, j’aide les fondateurs et entreprises SaaS à lancer des produits d’IA évolutifs plus rapidement, sans friction d’intégration et avec une charge opérationnelle moindre.
🔹 Ce que je construis
- Agents et flux de travail autonomes IA : architectures en plusieurs étapes utilisant une gestion avancée de l’état, des capacités d’appel d’outils, une gestion de la mémoire à court/long terme et une validation humain-in-the-loop.
- Systèmes RAG de qualité production : Moteurs de recherche à haute précision et avec référencement exploitant la recherche sémantique, les bases de données vectorielles et le reclassement avancé pour éliminer complètement les hallucinations.
- Produits IA complets : applications web évolutives avec interfaces utilisateur réactives, authentification sécurisée, couches de bases de données robustes et files d’attente de travailleurs en arrière-plan.
- Automatisation des flux de travail par IA : Intégration des LLM dans les piles technologiques existantes (CRM, bases de données, canaux de communication) pour automatiser de manière fiable des opérations manuelles à grand volume.
🔹 Impact dans le monde réel
Assistant virtuel d’agent IA
Conception et développement d’un assistant IA Telegram avec état, qui automatisait entièrement la gestion des demandes clients et la gestion des plannings pour les entreprises de salon de coiffure.
- Réduction des coûts opérationnels d’environ 90,2 % par rapport à l’embauche d’un assistant virtuel.
- Livrait une architecture de production de bout en bout : logique d’agent, serveur FastAPI et couche de base de données sécurisée.
Analyseur de bases de données par IA
J’ai construit un flux de travail analytique alimenté par l’IA permettant aux équipes non techniques d’interroger les bases de données en utilisant un langage naturel.
- Éliminer les goulots d’étranglement SQL et réduire le délai de réponse des rapports de plusieurs jours à quelques secondes.
- Déployer des LLM locaux via Ollama pour garantir la confidentialité totale des données tout en réduisant les coûts d’inférence pour les environnements d’entreprise.
🛠️ Pile technologique
- Architecture et orchestration IA : pipelines LangGraph, LangChain, RAG
- Bases de données vectorielles et relationnelles : PostgreSQL, ChromaDB
- Backend & Infrastructure : FastAPI, APIs RESTful, Node.js, Docker
- Frontend et systèmes : Next.js, TypeScript, JavaScript
Horaires de travail
- Lundi:08h00 à 18h00
- Mardi:08h00 à 18h00
- Mercredi:08h00 à 18h00
- Jeudi:08h00 à 18h00
- Vendredi:08h00 à 18h00
- Samedi:Non disponible
- Dimanche:Non disponible
J’ai créé un agent IA pour Telegram qui automatise le support client et la prise de rendez-vous pour le salon de coiffure, réduisant les coûts opérationnels d’environ 90,2 % par rapport à l’embauche d’un assistant virtuel.
Architecture centrale du système :
- Assistant IA basé sur le RAG : Mise en œuvre d’un système de génération augmentée par récupération (RAG) utilisant une base de connaissances pour fournir des réponses précises sur les services, les tarifs et les informations de réservation afin de réduire les hallucinations des LLM.
- Smart Scheduling System : A été conçu un outil de planification qui vérifie la disponibilité des barbiers en temps réel et restitue les créneaux disponibles selon les dates sélectionnées.
- Automatisation des réservations par IA : Création d’un flux de travail de rendez-vous générant automatiquement les réservations, réduisant les saisies manuelles et améliorant l’expérience client.
Ingénierie de production et intégration :
- Automatisation par IA conversationnelle : A conçu l’assistant pour traiter instantanément les demandes clients via Telegram, améliorant ainsi le temps de réponse et augmentant l’engagement client.
- Optimisation des coûts et des revenus : réduction des coûts de support de 90,2 % grâce à l’automatisation et contribué à une augmentation estimée de 10 à 20 réservations par mois.
- Intégration de tableau de bord : Intégration du système avec un tableau de bord administratif réactif, conçu avec NEXT.js pour gérer les rendez-vous, suivre les statistiques commerciales et surveiller les plannings des barbiers.
Architecture centrale du système :
- Assistant IA basé sur le RAG : Mise en œuvre d’un système de génération augmentée par récupération (RAG) utilisant une base de connaissances pour fournir des réponses précises sur les services, les tarifs et les informations de réservation afin de réduire les hallucinations des LLM.
- Smart Scheduling System : A été conçu un outil de planification qui vérifie la disponibilité des barbiers en temps réel et restitue les créneaux disponibles selon les dates sélectionnées.
- Automatisation des réservations par IA : Création d’un flux de travail de rendez-vous générant automatiquement les réservations, réduisant les saisies manuelles et améliorant l’expérience client.
Ingénierie de production et intégration :
- Automatisation par IA conversationnelle : A conçu l’assistant pour traiter instantanément les demandes clients via Telegram, améliorant ainsi le temps de réponse et augmentant l’engagement client.
- Optimisation des coûts et des revenus : réduction des coûts de support de 90,2 % grâce à l’automatisation et contribué à une augmentation estimée de 10 à 20 réservations par mois.
- Intégration de tableau de bord : Intégration du système avec un tableau de bord administratif réactif, conçu avec NEXT.js pour gérer les rendez-vous, suivre les statistiques commerciales et surveiller les plannings des barbiers.
J’ai construit un flux de travail analytique alimenté par l’IA permettant aux équipes non techniques d’interroger les bases de données en langage naturel, éliminant les goulots d’étranglement SQL et réduisant le délai de rapports de plusieurs jours à quelques secondes.
Architecture centrale du système :
- Natural Language to SQL Layer : Construction d’un pipeline text-to-SQL utilisant « Qwen2.5-Coder » pour convertir les invites utilisateur en requêtes SQL optimisées pour des bases de données relationnelles.
- Couche d’exécution de base de données : A développé un système d’exécution de requêtes qui exécute de manière sécurisée des requêtes SQL générées et récupère des données structurées en temps réel.
- AI Data Analysis Pipeline : A implémenté une couche secondaire d’analyse LLM utilisant « Qwen2.5 1.5B » pour transformer les résultats bruts des requêtes en insights métier lisibles par l’humain.
Ingénierie de production et intégration :
- Infrastructure d’IA axée sur la confidentialité : Déployé de LLM locaux via Ollama pour garantir une confidentialité totale des données tout en réduisant les coûts d’inférence pour les environnements d’entreprise.
- Interface d’analyse conversationnelle : Création d’une interface de type ChatGPT permettant aux utilisateurs non techniques d’interagir naturellement avec les bases de données et de revoir les conversations IA précédentes.
Architecture centrale du système :
- Natural Language to SQL Layer : Construction d’un pipeline text-to-SQL utilisant « Qwen2.5-Coder » pour convertir les invites utilisateur en requêtes SQL optimisées pour des bases de données relationnelles.
- Couche d’exécution de base de données : A développé un système d’exécution de requêtes qui exécute de manière sécurisée des requêtes SQL générées et récupère des données structurées en temps réel.
- AI Data Analysis Pipeline : A implémenté une couche secondaire d’analyse LLM utilisant « Qwen2.5 1.5B » pour transformer les résultats bruts des requêtes en insights métier lisibles par l’humain.
Ingénierie de production et intégration :
- Infrastructure d’IA axée sur la confidentialité : Déployé de LLM locaux via Ollama pour garantir une confidentialité totale des données tout en réduisant les coûts d’inférence pour les environnements d’entreprise.
- Interface d’analyse conversationnelle : Création d’une interface de type ChatGPT permettant aux utilisateurs non techniques d’interagir naturellement avec les bases de données et de revoir les conversations IA précédentes.
Cours pertinents : structures de données, conception et analyse d’algorithmes, et système Web
- PostgreSQL pour tout le monde sur Coursera | Université du Michigan 31/10/2023
![PostgreSQL pour tout le monde sur Coursera | Université du Michigan]()
J’ai renforcé ma compréhension de la gestion de bases de données et de la conception de systèmes, ainsi que de l’utilisation efficace de la base de données PostgreSQL pour stocker et accéder aux données en SQL - Python pour tout le monde sur Coursera | Université du Michigan 14/08/2023
![Python pour tout le monde sur Coursera | Université du Michigan]()
J’ai développé une solide compréhension des fondamentaux de Python, de l’accès aux données web et de l’interaction avec les bases de données en utilisant Python.
- 🇬🇧 Anglais
- 🇲🇦 Arabe
Merci de vous connecter en tant que client pour pouvoir donner votre avis
Professionnels sponsorisés
Besoin d'un service ?
Voulez-vous faire appel aux services de ce Professionnel ?
Postez votre mission et vous recevrez des dizaines de propositions de la part des Professionnels de la communauté.
