Hamza Jouaied

Conception et industrialisation d’un pipeline multi-agents (LangGraph : Analyst→Designer→Reviewer→Validator) générant automatiquement des tests fonctionnels (Cypress, Gherkin/Cucumber) à partir de trois sources croisées: user stories Jira, spécifications PDF (SRS) et code source. Architecture GraphRAG multi-source agnostique aux stacks techniques: Neo4j (extraction OpenAPI + AST du backend + crawl DOM Playwright du frontend) et FAISS (vectorisation des spécifications); graphe multi-tenant (project_id) permettant d’onboarder n’importe quelle application (frontend/backend) sans adaptation du pipeline. Boucle qualité automatisée : tracing LangSmith, métriques RAGAS/DeepEval, LLM-as-a-judge sur la couverture des critères d’acceptation, auto-réparation des tests (self-heal) et détection des écarts spécification/implémentation — au-delà de la génération, le pipeline révèle les défauts de spec et les régressions backend. Stack 100% open-source (LLMs locaux via Ollama, aucun coût API), conteneurisée Docker, services MCP isolés en local; prêt pour déploiement en production.

Conception d’un pipeline complet OCR + Machine Learning pour la classification et la structuration automatique de documents hétérogènes (PDF, images scannées): prétraitement (débruitage, redressement), extraction OCR, classification par type de document, extraction d’entités clés. Persistance des données extraites en base SQL et exposition via API REST; interface web pour le suivi et la validation des extractions.