Shrikant Kashi
Raipur, Inde
Shrikant Kashi
Architecte des systèmes IA & Conseiller stratégique
Catégorie : Intelligence artificielle (IA)
Faisant le pont entre « démos impressionnantes » et fiabilité de qualité de production.
La plupart des initiatives d’IA d’entreprise échouent car elles traitent les LLM et les Agents comme des logiciels traditionnels. J’aide les CTO et les responsables d’ingénierie à s’éloigner du « vibe-checking » manuel et des prototypes fragiles pour adopter des architectures systématiques, gouvernées et axées sur les données.
En tant qu’architecte principal des systèmes IA (MBA), je fournis le jugement technique indépendant nécessaire pour déployer des agents autonomes sûrs, déterministes et positifs au retour sur investissement dès le premier jour.
Piliers de service fondamentaux :
1. Architecture Agentique d’entreprise (le « Context Mesh ») Je conçois des écosystèmes Zero-Trust qui permettent aux LLM d’interagir de manière sécurisée avec les silos d’entreprise hérités (SQL, SAP, CRM, ERP).
Protocole de contexte de modèle (MCP) : Mise en œuvre de hubs standardisés pour l’appel d’outils et la récupération de données.
Plans d’architecture : Fourniture du cadre « Enterprise Agentic Suite » pour garantir la modularité et éviter l’engagement des fournisseurs.
2. Gouvernance de l’IA et Contrôle Opérationnel Je construis le « cerveau » du système pour prévenir l’étalement des agents et les coûts incontrôlables.
Protections déterministes : Codage dur des limites d’exécution pour empêcher les actions non autorisées ou les boucles infinies.
Optimisation des coûts et de la latence : Modéliser la logique de routage pour équilibrer performance (par exemple, GPT-4o) et efficacité (par exemple, haïku/flash).
Human-in-the-Loop (HITL) : Intégration native pour les approbations à enjeux élevés (transactions $$$).
3. Fiabilité et évaluation systématique Je déploie la « Conscience » de votre stack IA pour garantir une stabilité à long terme.
Test automatisé de régression : Mesure des taux de dérive de l’intention et d’hallucinations.
Pipelines d’observabilité : Surveillance en temps réel de la santé et de la mise à la terre des agents.
Sécurité et conformité : couches de filtrage des PII et enregistrement SIEM prêt à auditer.
L’avantage stratégique :
Mon parcours combine une implémentation technique approfondie (Python 3.12, LangGraph, Docker) avec un focus MBA sur la stratégie d’entreprise. Je ne me contente pas d’envoyer du code ; Je veille à ce que votre feuille de route IA soit en accord avec votre compte de résultat et de conséquences, réduise la dette technique et respecte les exigences strictes d’audit du paysage réglementaire de 2026.
Comment je travaille :
Je fonctionne en tant que « joueur-entraîneur ». J’architecte l’infrastructure centrale (le maillé, la logique de gouvernance, le harnais d’évaluation) puis je transmets la responsabilité de l’implémentation à votre équipe interne.
Idéal pour : les entreprises qui dépassent la phase prototype et qui ont besoin d’une fiabilité « jour 1 » dans la banque, la santé ou la technologie juridique.
La plupart des initiatives d’IA d’entreprise échouent car elles traitent les LLM et les Agents comme des logiciels traditionnels. J’aide les CTO et les responsables d’ingénierie à s’éloigner du « vibe-checking » manuel et des prototypes fragiles pour adopter des architectures systématiques, gouvernées et axées sur les données.
En tant qu’architecte principal des systèmes IA (MBA), je fournis le jugement technique indépendant nécessaire pour déployer des agents autonomes sûrs, déterministes et positifs au retour sur investissement dès le premier jour.
Piliers de service fondamentaux :
1. Architecture Agentique d’entreprise (le « Context Mesh ») Je conçois des écosystèmes Zero-Trust qui permettent aux LLM d’interagir de manière sécurisée avec les silos d’entreprise hérités (SQL, SAP, CRM, ERP).
Protocole de contexte de modèle (MCP) : Mise en œuvre de hubs standardisés pour l’appel d’outils et la récupération de données.
Plans d’architecture : Fourniture du cadre « Enterprise Agentic Suite » pour garantir la modularité et éviter l’engagement des fournisseurs.
2. Gouvernance de l’IA et Contrôle Opérationnel Je construis le « cerveau » du système pour prévenir l’étalement des agents et les coûts incontrôlables.
Protections déterministes : Codage dur des limites d’exécution pour empêcher les actions non autorisées ou les boucles infinies.
Optimisation des coûts et de la latence : Modéliser la logique de routage pour équilibrer performance (par exemple, GPT-4o) et efficacité (par exemple, haïku/flash).
Human-in-the-Loop (HITL) : Intégration native pour les approbations à enjeux élevés (transactions $$$).
3. Fiabilité et évaluation systématique Je déploie la « Conscience » de votre stack IA pour garantir une stabilité à long terme.
Test automatisé de régression : Mesure des taux de dérive de l’intention et d’hallucinations.
Pipelines d’observabilité : Surveillance en temps réel de la santé et de la mise à la terre des agents.
Sécurité et conformité : couches de filtrage des PII et enregistrement SIEM prêt à auditer.
L’avantage stratégique :
Mon parcours combine une implémentation technique approfondie (Python 3.12, LangGraph, Docker) avec un focus MBA sur la stratégie d’entreprise. Je ne me contente pas d’envoyer du code ; Je veille à ce que votre feuille de route IA soit en accord avec votre compte de résultat et de conséquences, réduise la dette technique et respecte les exigences strictes d’audit du paysage réglementaire de 2026.
Comment je travaille :
Je fonctionne en tant que « joueur-entraîneur ». J’architecte l’infrastructure centrale (le maillé, la logique de gouvernance, le harnais d’évaluation) puis je transmets la responsabilité de l’implémentation à votre équipe interne.
Idéal pour : les entreprises qui dépassent la phase prototype et qui ont besoin d’une fiabilité « jour 1 » dans la banque, la santé ou la technologie juridique.
Portfolio
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
![Architecte principal des systèmes IA (flux de travail agents d’entreprise), conseiller stratégique en IA et consultant en ROI (soutenu par MBA), fiabilité et gouvernance de l’IA :]()
1. Architecte principal des systèmes d’IA Titre : Architecte principal des systèmes d’IA (flux de travail d’agent d’entreprise) Description : Je fais le lien entre les prototypes expérimentaux de LLM ...
Leader de la transition des LLM expérimentaux vers des architectures agentiques prêtes à la production. Je conseille la direction des entreprises sur le déploiement de systèmes autonomes gouvernés, fiables et positifs au retour sur investissement.
Conception de cadres : A développé la « Enterprise Agentic Suite », une architecture zero-trust pour une orchestration multi-agents sécurisée.
Ingénierie de la fiabilité : A construit des plateformes d’évaluation automatisées qui éliminent les hallucinations et garantissent l’intégrité sémantique dans des environnements à enjeux élevés.
Intégration stratégique : Faire le pont entre les systèmes ERP/CRM hérités et les modèles d’IA de pointe en utilisant le protocole Model Context (MCP).
Conception de cadres : A développé la « Enterprise Agentic Suite », une architecture zero-trust pour une orchestration multi-agents sécurisée.
Ingénierie de la fiabilité : A construit des plateformes d’évaluation automatisées qui éliminent les hallucinations et garantissent l’intégrité sémantique dans des environnements à enjeux élevés.
Intégration stratégique : Faire le pont entre les systèmes ERP/CRM hérités et les modèles d’IA de pointe en utilisant le protocole Model Context (MCP).
Concevoir et construire des systèmes LLM et IA Agentiques de qualité production, avec un accent sur la fiabilité, l’évaluation et la préparation à l’entreprise.
• Conception de systèmes de génération augmentée par la récupération (RAG) de bout en bout avec des stratégies hybrides de récupération, de reclassement et de mise à la terre pour des sorties de haute précision.
• Construction de systèmes multi-agents pour l’orchestration, la planification, l’utilisation des outils et la décomposition des tâches, y compris la gestion des pannes et les flux de récupération.
• Développement d’une plateforme d’évaluation et de fiabilité LLM pour mesurer les hallucinations, la fidélité, la latence, le coût et la régression à travers les versions de modèles.
• Mise en œuvre des pratiques LLMOps incluant le contrôle des prompts/versions, la journalisation structurée, l’observabilité et les pipelines d’évaluation automatisés.
• Conception de garde-corps, de couches de validation et de stratégies de repli pour améliorer la robustesse du système en cas de défaillance réelle.
• Axé sur des architectures évolutives et maintenables, alignées sur le déploiement en entreprise et l’évolution des systèmes à long terme.
Focus technique : architecture des systèmes LLM, orchestration des agents, cadres d’évaluation et fiabilité en production.
• Déployer et exploiter des systèmes LLM sur l’infrastructure cloud (AWS), en se concentrant sur la scalabilité, le contrôle des coûts et l’observabilité en production.
• Conception de systèmes de génération augmentée par la récupération (RAG) de bout en bout avec des stratégies hybrides de récupération, de reclassement et de mise à la terre pour des sorties de haute précision.
• Construction de systèmes multi-agents pour l’orchestration, la planification, l’utilisation des outils et la décomposition des tâches, y compris la gestion des pannes et les flux de récupération.
• Développement d’une plateforme d’évaluation et de fiabilité LLM pour mesurer les hallucinations, la fidélité, la latence, le coût et la régression à travers les versions de modèles.
• Mise en œuvre des pratiques LLMOps incluant le contrôle des prompts/versions, la journalisation structurée, l’observabilité et les pipelines d’évaluation automatisés.
• Conception de garde-corps, de couches de validation et de stratégies de repli pour améliorer la robustesse du système en cas de défaillance réelle.
• Axé sur des architectures évolutives et maintenables, alignées sur le déploiement en entreprise et l’évolution des systèmes à long terme.
Focus technique : architecture des systèmes LLM, orchestration des agents, cadres d’évaluation et fiabilité en production.
• Déployer et exploiter des systèmes LLM sur l’infrastructure cloud (AWS), en se concentrant sur la scalabilité, le contrôle des coûts et l’observabilité en production.
• Conception et mise en œuvre de pipelines RAG de qualité production avec segmentation structurée, embeddings et évaluation de récupération
• Création de workflows utilisant des outils et multi-agents avec orchestration, mémoire et gestion des pannes explicites
• Développement de services d’IA API-first en tenant compte de la fiabilité, du contrôle des coûts et de l’observabilité
• Axé sur les contraintes réelles : latence, atténuation des hallucinations et préparation au déploiement
• Création de workflows utilisant des outils et multi-agents avec orchestration, mémoire et gestion des pannes explicites
• Développement de services d’IA API-first en tenant compte de la fiabilité, du contrôle des coûts et de l’observabilité
• Axé sur les contraintes réelles : latence, atténuation des hallucinations et préparation au déploiement
J’ai synthétisé mon parcours technique avec un MBA en finance pour diriger des initiatives de transformation numérique. Axé sur l’intersection entre l’infrastructure technique et la responsabilité budgétaire.
ROI opérationnel : Gestion de feuilles de route techniques qui priorisaient l’efficacité et la scalabilité, contribuant directement à la croissance des résultats financiers.
Leadership interfonctionnel : A dirigé des équipes d’ingénieurs et d’analystes pour déployer des solutions logicielles réduisant la dépendance opérationnelle manuelle de plus de 30 %.
Gouvernance financière : Supervisé les budgets technologiques et la sélection des fournisseurs, garantissant la viabilité budgétaire à long terme des déploiements de systèmes complexes.
ROI opérationnel : Gestion de feuilles de route techniques qui priorisaient l’efficacité et la scalabilité, contribuant directement à la croissance des résultats financiers.
Leadership interfonctionnel : A dirigé des équipes d’ingénieurs et d’analystes pour déployer des solutions logicielles réduisant la dépendance opérationnelle manuelle de plus de 30 %.
Gouvernance financière : Supervisé les budgets technologiques et la sélection des fournisseurs, garantissant la viabilité budgétaire à long terme des déploiements de systèmes complexes.
A développé la discipline d’ingénierie de base nécessaire à l’architecture de systèmes complexes. Axé sur la stabilité backend, l’optimisation des bases de données (SQL/NoSQL) et la construction de la « plomberie » sur laquelle reposent désormais les systèmes d’IA modernes. Cette base pratique garantit que mes conseils architecturaux actuels reposent sur la faisabilité technique réelle.
Spécialisation avancée dans la mécanique des modèles frontières. Je me concentre sur l’optimisation des performances des LLM à travers :
RAG avancé : Mise en œuvre de recherche hybride et de reclassement pour une récupération de contexte de haute précision.
Efficacité : Utilisation de QLoRA pour un ajustement fin économe en mémoire lorsque des performances spécifiques à un domaine sont requises.
Gestion du contexte : Maîtriser la gestion des fenêtres à long contexte pour minimiser les phénomènes de « perdu au milieu » dans les données d’entreprise.
RAG avancé : Mise en œuvre de recherche hybride et de reclassement pour une récupération de contexte de haute précision.
Efficacité : Utilisation de QLoRA pour un ajustement fin économe en mémoire lorsque des performances spécifiques à un domaine sont requises.
Gestion du contexte : Maîtriser la gestion des fenêtres à long contexte pour minimiser les phénomènes de « perdu au milieu » dans les données d’entreprise.
Expertise spécialisée dans la « couche d’action » de l’IA moderne. Je conçois des systèmes autonomes et semi-autonomes en utilisant :
Orchestration agentique : Construire des systèmes multi-agents capables de planifier, d’auto-corriger et d’exécuter des outils complexes.
MCP (Model Context Protocol) : Mise en œuvre de connecteurs de données standardisés pour relier les LLM avec des bases de données internes sécurisées et des outils SaaS hérités.
Human-in-the-Loop (HITL) : Concevoir des protocoles d’escalade pour des environnements de prise de décision à enjeux élevés.
Orchestration agentique : Construire des systèmes multi-agents capables de planifier, d’auto-corriger et d’exécuter des outils complexes.
MCP (Model Context Protocol) : Mise en œuvre de connecteurs de données standardisés pour relier les LLM avec des bases de données internes sécurisées et des outils SaaS hérités.
Human-in-the-Loop (HITL) : Concevoir des protocoles d’escalade pour des environnements de prise de décision à enjeux élevés.
Combler l’écart entre les bilans et les réseaux de neurones. Avec plus de 12 ans d’expérience professionnelle depuis mon MBA, je me spécialise dans la gouvernance financière des systèmes d’IA. Mon expérience financière me permet d’aller au-delà de la mise en œuvre technique pour assurer une supervision stratégique sur :
Modélisation du ROI par IA : Conception de feuilles de route sur 12 mois qui privilégient les cas d’usage à fort impact plutôt que les expériences sur les « objets brillants ».
Optimisation des coûts (économie des jetons) : Mise en œuvre de stratégies de routage et de mise en cache multi-modèles pour réduire les dépenses opérationnelles des LLM (OpEx) jusqu’à 40 %.
Gouvernance du risque et de la conformité : Gérer le « coût de l’échec » à travers des couches de sécurité déterministes et des cadres de prévention des hallucinations.
Je traduis des architectures Agentic complexes en résultats commerciaux clairs, veillant à ce que les initiatives d’IA ne soient pas seulement techniquement solides, mais aussi financièrement défendables au niveau du Conseil.
Modélisation du ROI par IA : Conception de feuilles de route sur 12 mois qui privilégient les cas d’usage à fort impact plutôt que les expériences sur les « objets brillants ».
Optimisation des coûts (économie des jetons) : Mise en œuvre de stratégies de routage et de mise en cache multi-modèles pour réduire les dépenses opérationnelles des LLM (OpEx) jusqu’à 40 %.
Gouvernance du risque et de la conformité : Gérer le « coût de l’échec » à travers des couches de sécurité déterministes et des cadres de prévention des hallucinations.
Je traduis des architectures Agentic complexes en résultats commerciaux clairs, veillant à ce que les initiatives d’IA ne soient pas seulement techniquement solides, mais aussi financièrement défendables au niveau du Conseil.
La base technique de ma carrière en architecture système. Ce diplôme a fourni les principes fondamentaux des structures de données, des algorithmes et des systèmes distribués que j’applique désormais aux flux de travail d’IA Agentique à grande échelle. Cela garantit que chaque solution d’IA que je conçois repose sur une base d’ingénierie solide et évolutive.
- Filière principale Ingénieur IA : LLM Ingénierie, RAG, QLoRA, Agents 30/01/2026
![Filière principale Ingénieur IA : LLM Ingénierie, RAG, QLoRA, Agents]()
Spécialisation avancée dans la mécanique des modèles frontières. Je me concentre sur l’optimisation des performances des LLM à travers :
RAG avancé : Mise en œuvre de recherche hybride et de reclassement pour une récupération de contexte de haute précision.
Efficacité : Utilisation de QLoRA pour un ajustement fin économe en mémoire lorsque des performances spécifiques à un domaine sont requises.
Gestion du contexte : Maîtriser la gestion des fenêtres à long contexte pour minimiser les phénomènes de « perte au milieu » dans les données d’entreprise
- 🇬🇧 Anglais
- 🇮🇳 Hindi
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.
