Skip to content
View Franck-F's full-sized avatar
🎯
Se concentrer
🎯
Se concentrer
2 followers · 3 following

Achievements

Achievement: Pair Extraordinairex3Achievement: Pull Sharkx2Achievement: YOLO

Achievements

Achievement: Pair Extraordinairex3Achievement: Pull Sharkx2Achievement: YOLO

Highlights

  • Pro

Block or report Franck-F

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Content in all repositories owned by your account will be closed.
Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. Markdown is supported. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
Franck-F/README.md

Franck Fambou

AI Engineer. Je conçois des agents IA et des systèmes RAG, du cadrage du cas d'usage jusqu'à la mise en production.

Actuellement en alternance au Laboratoire Calebasse (Malakoff). Diplôme d'ingénieur Epitech en septembre 2026. Je recherche un CDI d'ingénieur IA en France, full remote accepté.

Ce sur quoi je travaille

Agents IA conversationnels pour le service client, systèmes de gestion des connaissances LLM + RAG sur bases vectorielles, pipelines d'automatisation, et l'industrialisation qui va avec : conteneurisation, APIs, CI/CD, monitoring.

Je publie aussi DonnIA, une plateforme de guides et de modèles sur l'IA générative, le MCP et les agents. Gratuit, sans inscription.

Stack

IA générative et LLM OpenAI Claude Gemini Mistral LLaMA Hugging Face LangChain LangGraph MCP RAG pgvector ChromaDB Pinecone prompt engineering

Data et Cloud Python SQL PostgreSQL BigQuery Snowflake Apache Kafka ETL Docker CI/CD FastAPI Flask GCP AWS

Data Science et ML Scikit-learn PyTorch NLP séries temporelles modélisation prédictive Pandas NumPy

Dev et BI TypeScript Next.js React Git Power BI Looker Studio

Conformité AI Act RGPD

Projets

Projet Ce que c'est Stack
DonnIA Plateforme de guides et de modèles sur l'IA générative, le MCP et les agents. Conçue, développée et déployée en solo. En production. Next.js, TypeScript, LLM
AuditIQ SaaS d'audit des biais des modèles d'IA, aligné sur l'AI Act : détection de biais et moteur de recommandations. Next.js, Fairlearn, Gemini
Assistant RAG avancé Recherche hybride BM25 et vectorielle, reranking, questions hypothétiques. Python, LangChain, ChromaDB, Cohere
Détection de fraude temps réel Modèles ML sur données fortement déséquilibrées, variante temps réel sur flux Kafka. Python, Scikit-learn, Kafka
Time Series et NLP Fine-tuning de BERT et analyse de sentiment, forecasting d'actifs financiers. PyTorch, BERT, ARIMA, LSTM

Certifications

Google AI Essentials (Google, 2026) · Foundations: Data, Data, Everywhere (Google, 2025)

Me contacter

Portfolio · LinkedIn · franckfambou@gmail.com

Ouvert aux opportunités en CDI et aux échanges sur les agents IA, le RAG et le MCP.

Pinned Loading

  1. Projet_AuditIQ Projet_AuditIQ Public

    Plateforme SaaS d'audit de fairness IA pour PME : détecter, expliquer et documenter les biais d'un système d'IA sans écrire de code. Monorepo Next.js 16 + FastAPI + Supabase.

    TypeScript 1

  2. AgentIA AgentIA Public

    Agent IA sur base vectorielle Pinecone : indexation et recherche sémantique avec LangChain, traitement et génération de documents.

    Jupyter Notebook

  3. assistant-rag-hq assistant-rag-hq Public template

    Assistant IA sur RAG avancé avec Hypothetical Questions : recherche hybride ChromaDB et BM25, reranking Cohere, réponses sourcées. LangChain, FastAPI, Streamlit.

    Jupyter Notebook

  4. mcp_rag mcp_rag Public

    Serveur MCP exposant un RAG sur documents complexes via GroundX : recherche et récupération documentaire branchées sur un client MCP. Python, uv.

    Python

  5. Projet-Data-Science-Apache-Kafka-Fraud-Detection Projet-Data-Science-Apache-Kafka-Fraud-Detection Public

    Système de détection d'anomalies en temps réel pour identifier les transactions frauduleuses dans un flux de données financières, en utilisant des techniques de Machine Learning.

    Jupyter Notebook

  6. Book Book Public

    Portfolio et journal de recherche pour AI Engineer : contenu MDX, Next.js, orienté profondeur technique.

    TypeScript