Disponible pour opportunités

Bonjour, je suis Jose BONGA TCHINGA

|

Ingénieur en dernière année spécialisé en Intelligence Artificielle & Big Data. Je conçois des systèmes multi-agents, des pipelines de données et des architectures IA qui transforment les données brutes en décisions actionnables.

Scroll

À propos de moi

Étudiant ingénieur en dernière année, je me spécialise en Intelligence Artificielle & Big Data. Ma passion est de transformer des données brutes en informations exploitables à travers des systèmes robustes et scalables.

Mon parcours m'a permis de toucher à l'IA agentic, le NLP et le Data Engineering. Je suis convaincu que la vraie puissance de l'IA réside dans sa capacité à résoudre des problèmes réels pour les entreprises et la société.

Actuellement en stage chez Axelink Maroc, je développe un chat BI multi-agent utilisant LangChain et LangGraph — un système capable de répondre à des questions métier complexes en utilisant plusieurs agents IA collaboratifs.

Formation Ingénieur IA & Big Data (Dernière année)
Localisation Maroc
Langues Français (natif), Anglais (B2)
Jose BONGA TCHINGA

Compétences

Intelligence Artificielle

LangGraph Agents IA RAG NLP Scikit-learn Pandas NumPy PyTorch

Data Engineering

ETL PostgreSQL TimescaleDB Apache Kafka Apache Spark Data Lakes SQLAlchemy MinIO

Infrastructure & DevOps

Docker Docker Compose GitHub Actions CI/CD Linux Git Sentry

Frameworks & Outils

Python JavaScript SQL Django Flask React Tailwind CSS Alpine.js Supabase NocoDB N8n

Expérience

En cours — 3 mois

Développeur IA — Chat BI Multi-Agent

Axelink Maroc

Développement d'un chat BI multi-agent pour l'analyse de données métiers. Le système utilise LangChain et LangGraph pour orchestrer plusieurs agents IA spécialisés capables de comprendre et répondre à des questions complexes sur les données de l'entreprise.

Automatisation des requêtes BI Multi-agents IA
LangChain LangGraph Python Agents IA BI
2 mois

Développeur Full-Stack — Modernisation Data

AMCHAM (Chambre de Commerce Américaine au Maroc)

Modernisation du système de gestion des données clients. Remplacement des Google Docs et Excel par une solution moderne : ReactJS pour le frontend, Supabase pour la base de données, NocoDB pour la visualisation par les utilisateurs non techniques, et N8n pour l'automatisation et la double synchronisation des données.

300+ utilisateurs impactés Sécurisation des données Double sync NocoDB ↔ Supabase
React Supabase NocoDB N8n Sync
1 mois

Data Analyst Stagiaire

Africa Verify

Stage d'introduction au monde professionnel. Mission d'agrégation et d'analyse de données en utilisant Excel et Google Docs. Première expérience de traitement et structuration de données réelles.

Excel Google Docs Data Analysis

Projets

01

Raffinerie-IoT

Pipeline Big Data Industrielle en Temps Réel

Situation : Surveillance industrielle nécessitant du monitoring en temps réel.
Résultat : Pipeline complet de 7 composants (IoT → MQTT → Kafka → Spark → TimescaleDB → MinIO → Grafana) avec une latence end-to-end de < 2 secondes. 2 capteurs simulés (température + vibration) sur 2 machines. Conteneurisé avec Docker Compose.

Python Kafka Spark MQTT Docker Grafana TimescaleDB
<2s latence E2E 7 composants 2 capteurs IoT
Vedette
02

Chat BI Multi-Agent

Assistant IA pour Business Intelligence

Situation : Les analystes métiers passent des heures à répondre manuellement aux questions sur les données.
Résultat : Système d'agents IA multi-spécialistes avec 95% de précision sur + de 10 tables testées. Orchestration LangChain/LangGraph pour répondre automatiquement à des questions métier complexes.

LangChain LangGraph Python Agents IA BI
Projet privé
03

Immovision 360

Data Lake → Data Warehouse avec NLP

Situation : Données Airbnb dispersées (CSV, textes, images) pour le quartier de l'Élysée, sans vue consolidée.
Résultat : Pipeline ETL Bronze→Silver→PostgreSQL avec scoring d'impact de quartier par NLP (TF-IDF + cosine similarity). Analyse de la professionnalisation des hôtes et impact sur le voisinage.

Python PostgreSQL NLP TF-IDF Pandas
Bronze → Silver NLP scoring
04

Sound Generator

Génération Audio par Deep Learning

Situation : Besoin de générer des sons synthétiques via Deep Learning pour des applications audio.
Résultat : Modèle PyTorch entraîné sur des données audio, exposé via une API Flask, avec une interface React pour l'interaction. Génération de 5+ sons distincts à partir de paramètres latents.

PyTorch Python Flask React Audio DSP
05

HospiPlan

Moteur IA de Planning Hospitalier

Situation : Gestion complexe des plannings hospitaliers avec contraintes légales (repos 11h, certifications, temps de travail).
Résultat : Algorithme IA "Most Constrained First" générant un planning complet en ~8 secondes (cœur en 0.5s). Respect automatique des contraintes dures. Score de qualité dynamique sur 100. Django + PostgreSQL + Tailwind + Alpine.js.

Python Django PostgreSQL Algorithme IA Tailwind Alpine.js
~8s génération 0.5s cœur calcul Score /100

Ce qui me passionne

IA Agentic

Systèmes multi-agents, orchestration d'agents IA collaboratifs, pipelines autonomes. LangGraph, chain-of-thought, raisonnement structuré.

Infrastructure Data Open-Source

Promouvoir les outils open-source (Docker, PostgreSQL, Ollama, Kafka) comme alternatives viables aux solutions propriétaires. Infrastructures accessibles.

Contact

Travaillons ensemble

Je suis toujours ouvert à discuter de nouvelles opportunités, de projets passionnants ou de collaborations. N'hésitez pas à me contacter !