Développement d’une architecture d’IA multi-agents composée d’un agent principal orchestrateur et de sous-agents spécialisés (vol, carte, gestion des salons) pour gérer des flux de travail complexes dans les salons d’aéroport.
• Implémentation de l’orchestration d’agents basée sur LangChain, permettant à l’agent principal de router dynamiquement les requêtes utilisateurs, d’invoquer les sous-agents pertinents et d’agréger les réponses en une seule sortie cohérente.
• Création d’une API REST basée sur Flask pour exposer les fonctionnalités des agents IA, prenant en charge les requêtes utilisateur en temps réel et une interface backend-agent fluide
communication.

Rédigé des rapports détaillés évaluant plusieurs modèles LLM sur des prompts identiques, analysant la qualité des réponses, raisonnant
le comportement et le respect des instructions.
• Applications internes et pratiques documentées de l’IA générative, axées sur l’automatisation d’entreprise et le temps réel
Soutien à la décision.
• Conclu à partir du benchmarking des LLM que ChatGPT est mieux adapté au raisonnement général, tandis que Grok performe mieux sur
Des charges de travail axées sur le codage.