Ogah Lagassaou

Nouveau sur Expira Profil Expira vérifié

IA Agentique • Automatisation n8n • Workflows

ParisHybride1–3 ans 4.5

validé — tests IA validés

À propos

IA Agentique • Automatisation n8n • Workflows Orienté IA agentique et automatisation, je conçois des workflows n8n intégrant des agents IA et des LLM pour automatiser des

Expérience

Sévérin
OGAH · Période à préciser
IA Agentique • Automatisation n8n • Workflows Orienté IA agentique et automatisation, je conçois des workflows n8n intégrant des agents IA et des LLM pour automatiser des processus métier, connecter différents outils et exploiter les

Projets IA

Automatisation – Reporting SEO multi-sites
Workflow n8n automatisant la collecte GSC, l’analyse par IA, la génération et l’envoi de rapports SEO.
Automatisation – Traitement intelligent des demandes

Tests techniques

Compétences validées (tests Expira)

LLM & GenAI — validé

Diagnostiquer un pipeline RAG
100/100
Renforce le projet Automatisation – Reporting SEO multi-sites
Des chunks trop grands peuvent contenir plusieurs sujets différents, ce qui réduit la précision du retrieval. Le système peut alors récupérer des passages sur le télétravail alors que la question concerne les congés parentaux. Réduire la taille des chunks et ajouter un léger chevauchement permet d’obtenir des passages plus cohérents et pertinents.
Métriques d'évaluation LLM
100/100
Renforce le projet Automatisation – Reporting SEO multi-sites
La faithfulness mesure si les informations générées par le LLM sont réellement fondées sur le contexte récupéré. C’est donc la métrique prioritaire pour détecter et limiter les hallucinations factuelles dans un système RAG.
Corriger un prompt système
100/100
Renforce le projet Automatisation – Reporting SEO multi-sites
Ce prompt définit explicitement le rôle, les étapes d’analyse, la structure et le format de sortie. Il ajoute des limitations de sécurité, interdit l’exécution du code et la manipulation de secrets, et demande une clarification lorsque le contexte est incomplet.
Choisir une base vectorielle
100/100
Renforce le projet Automatisation – Reporting SEO multi-sites
Avec 5 millions de chunks et un SLA de 99,9 %, le vector store doit avant tout être scalable, fiable et simple à exploiter. Il doit supporter efficacement les filtres métier comme tenant_id et langue, proposer du monitoring et s’intégrer à l’infrastructure AWS existante. Le coût et la charge opérationnelle sont également essentiels puisque l’équipe ops est limitée.

Tests passés sur Expira Tests techniques.