EXPERTISE / PRODUIT, AGENTS & FINANCE
Du besoin métier à un système IA utile.
Je suis David Singh, expert en IA générative et agentique, spécialisé en banque et finance. J’associe une compréhension approfondie des processus métier au pilotage produit, au développement et à la gouvernance.
Faire émerger le bon cas d’usage.
Je transforme les besoins métier en priorités produit : workshops, cadrage, roadmap et coordination des équipes. Chez Bpifrance, j’interviens sur un portefeuille Data & IA pour les métiers de l’investissement en Private Equity et Venture Capital, au sein d’un train agile SAFe.
Mon rôle associe décisions produit et contribution technique. Cette continuité permet de confronter les ambitions aux données disponibles, aux contraintes d’intégration et aux critères de qualité.
RAG : rendre la documentation exploitable.
Un assistant documentaire doit retrouver une information pertinente dans un corpus métier et la restituer dans le contexte de la demande. Chez BNP Paribas CIB / Global Markets, mon cas RAG porte sur plus de 500 documents financiers, avec un temps de traitement des RFQ passé de 45 à 2 minutes.
Lire le cas, mon rôle et le résultat ↗Agents IA : relier une intention aux outils.
Mes compétences couvrent Google ADK, les protocoles MCP et A2A, le prompt engineering et l’intégration de modèles de langage. Chez Bpifrance, je contribue au cadrage, à la conception et au déploiement de cas d’usage agentiques sur des données non structurées.
Explorer mon approche des agents IA ↗IA et investissement : cinq applications concrètes.
Assistant de suivi des participations, analyse SWOT, contrôle des tables de capitalisation, RAG de valorisation et génération de présentations pour les comités : les cas d’usage Bpifrance illustrent une IA intégrée aux processus du Private Equity et du Venture Capital.
Explorer les besoins métier et les principes techniques ↗Ingénierie : construire les connexions utiles.
Je développe en Python et Java / Spring Boot, avec SQL et des API REST. Mon socle data inclut Pandas et NumPy ; mon environnement cloud comprend AWS, notamment S3, Athena, Bedrock et Transcribe.
À BNP Paribas, ma mission technique comprend des composants intégrant des LLM et des agents, dans un environnement international entre Paris, Lisbonne et Londres.
LLMOps : suivre la qualité après le prototype.
Évaluation des réponses, suivi des hallucinations, observabilité et versionnement des prompts et modèles font partie de mon expérience. Chez BNP Paribas, j’ai travaillé avec Grafana et Kibana ; chez Bpifrance, le suivi de la pertinence et de la qualité accompagne les usages en production.
La qualité se juge sur le besoin réel : réponse pertinente, traçabilité, protection des données sensibles et comportement du système dans le workflow métier.
Gouvernance : rendre les responsabilités explicites.
Chez Bpifrance, mon intervention inclut un cadre de gouvernance, une matrice RACI, des workshops métiers et la coordination avec des interlocuteurs de direction. Je travaille avec les équipes juridique, conformité, sécurité et IT sur les conditions de passage à l’échelle.
Une première approche de couche sémantique vise à relier les structures de données complexes aux concepts que les métiers utilisent et que l’IA doit interpréter.
Banque, finance et assurance : choisir votre parcours.
Mon expérience en banque et en investissement nourrit des propositions d’accompagnement pour les assureurs et mutuelles. Découvrez les applications à évaluer et les formats de mission.
Vos questions avant de démarrer.
Quel est votre positionnement ?
Je suis expert en IA générative et agentique, spécialisé en banque et finance. Mon rôle actuel de Product Owner IA & Développeur Agentic chez Bpifrance relie le cadrage produit, le développement et le suivi opérationnel.
Travaillez-vous uniquement sur la stratégie ?
Mon intervention comprend le pilotage produit et une contribution technique : Python, Java / Spring Boot, RAG, agents et LLMOps. Le périmètre dépend du besoin et de l’équipe en place.
Quelle différence entre un RAG et un agent IA ?
Un RAG mobilise un corpus documentaire pour répondre à une question. Un agent peut aussi utiliser des outils et enchaîner des actions dans un périmètre défini. Un projet peut associer les deux.
Le résultat de 45 à 2 minutes est-il reproductible partout ?
Ce résultat concerne le cas RFQ Global Markets présenté dans mon parcours. Il ne constitue pas une promesse pour un autre projet : le corpus, le workflow et les critères de validation doivent être évalués.
Quels usages de l’IA générative dans le Private Equity ?
Les usages que je présente couvrent le suivi des participations, l’analyse SWOT, la piste d’audit des mouvements de capital, l’explication des variations de valorisation et la préparation de supports de comité d’investissement. Chaque cas relie un besoin métier à des données identifiées et à une validation adaptée.
Quels sont vos formats d’accompagnement et vos tarifs ?
Diagnostic et feuille de route, pilote RAG ou agent métier, pilotage produit IA : chaque format fait l’objet d’un devis précisant les livrables, le calendrier et les responsabilités. Aucun tarif standard n’est affiché.
Comment intégrer les contraintes de sécurité et de conformité ?
Identifier les données et les accès, qualifier la finalité du système, définir les contrôles et associer les interlocuteurs juridique, sécurité et protection des données. La conformité se vérifie dans le contexte du projet ; elle ne découle pas du seul choix d’un modèle ou d’un RAG.
Comment commencer un échange ?
Décrivez une tâche concrète, les utilisateurs concernés, vos données et le résultat attendu. Ces éléments permettent de discuter du périmètre et des contraintes avant de choisir une solution.
Quel besoin voulez-vous faire avancer ?
Décrivez votre workflow actuel, ce qui bloque et le résultat que vous attendez de l’IA.
Présenter mon besoin ↗david@singh.fr