
Aziz Mahdaoui
AI Champion @ SFEIR
Building production-grade AI systems at scale
Devoxx France & Paris JUG
Generative AI Leader
De la conception à la production
Robustes, gouvernés, maintenables — créateurs de valeur métier réelle.
LLMs, agents et MCP intégrés dans des architectures de production sérieuses.
En exploration continue — je crée et teste constamment de nouveaux concepts.
Speaker, formateur — je partage ces convictions en conférence et au sein des équipes.
Talk @ SFEIR
🔄 Orchestration multi-agents spécialisés (A2A)
🔐 Exposition contrôlée du contexte via MCP
⚙️ Agent NL→SQL : transformation, validation et exécution sécurisée
📊 Génération d’insights métier actionnables
Java · Spring Boot · Spring AI · LangChain4j · MCP · Agents
AI-powered analytics platform
💬 Une question → Une analyse complète des données avec insights clés et actionnables
🔄 NL → ETL → DuckDB → Dashboard dynamique
💡 Interfaces dynamiques générées via agents (A2UI)
🧩 Blueprint extensible et adaptable à d’autres sources
Java · Spring Boot · LangChain4j · MCP · DuckDB · Angular
Talk : Garbage Collectors — Battle Royale
🧠 Démystification des mécanismes de gestion mémoire sur la JVM
🥊 Comparaison des principaux Garbage Collectors et leurs impacts
🚀 Stratégies d’optimisation pour les performances et la stabilité
🏗️ Architecture robuste pour systèmes haute disponibilité
JVM · Garbage Collection · Performance · Memory Optimization

Google Cloud Certified – Generative AI Leader
SFEIR Institute / Data Engineering with Google Cloud
ESPRIT - Accréditée EUR-ACE - Diplôme National d'Ingénieur en génie logiciel.
Mention Excellent, major de promotion.
Ambassadeur de la section génie logiciel.
IHEC - Licence Appliquée en Informatique pour l'Administration des Affaires - Mention très bien.

Langues maîtrisées dans un contexte professionnel international.
Courant
Notions
Courant
Courant

Rôle transverse avec une mission claire : accélérer l’adoption de l’IA générative, de l’agentic coding et des architectures agentiques au sein des équipes — en ancrant ces technologies dans le réel, au-delà du POC.
Porter la vision de l'IA générative auprès des équipes. Formations, ateliers pratiques et coaching technique pour transformer l'intérêt en compétences concrètes, exploitables sur le terrain.
Identifier les vrais besoins métier, puis concevoir et déployer des architectures basées sur les agents : robustes, gouvernées et capables de passer le cap de la production.
Veille active sur les outils et approches émergents. Évaluation rigoureuse et contribution à la définition des standards internes et des bonnes pratiques de l'industrie.
Rendre l'IA compréhensible et utilisable — pas seulement par les experts, mais par l'ensemble des profils techniques et produit.


Contribution dès les premières phases à un projet de Yield Management, depuis la conception initiale jusqu'à sa maturité en vue de la mise en production, dans un contexte à forts enjeux de performance, de calculs complexes et de scalabilité.
À l'issue de cette phase, intégration d'une nouvelle équipe en charge d'une application critique au cœur de l'écosystème de vente.
Conception et développement d'une application de gestion de workflows intégrant de l'IA générative, permettant l'analyse, la compréhension et la modification de workflows décrits en XML via des interactions en langage naturel, en s'appuyant sur une approche RAG et des agents.
Conception et développement d'un outil applicatif intégrant de l'IA générative pour la préparation et la sécurisation de datapatches SQL, permettant aux profils fonctionnels de formuler des demandes en langage naturel et d'obtenir des scripts exploitables et compréhensibles, via une approche RAG et des agents.
Contribution aux enjeux de performance et d'optimisation des algorithmes de calcul dans le cadre du projet de Yield Management, en préparation de la mise en production.
Résolution d'incidents de production majeurs et analyse approfondie de problématiques techniques et fonctionnelles sur des systèmes stratégiques.
Évolution de plusieurs applications interconnectées, avec un impact direct sur la fiabilité et la performance de services essentiels à l'activité commerciale.
Appropriation du fonctionnel métier, permettant d'apporter une vision transverse et de contribuer activement aux décisions d'architecture et de priorisation.
Animation de formations internes alliant théorie et pratique sur l’IA générative, incluant la création d’applications avec Spring AI et LangChain4j, ainsi que l’approfondissement des concepts de RAG, LLMs, agents et MCP.

Mise en place d’une plateforme d’analyse de données marketing sur GCP, permettant l’exploitation et la transformation de données issues de campagnes médias à grande échelle.

Contribution à plusieurs projets au sein de SG Markets, la marketplace BtoB de Société Générale, couvrant la gestion de trésorerie, les comptes bancaires virtuels, le suivi de transactions internationales et le reporting des paiements.
Implémentation d'APIs (via RestTemplate et Feign) pour les projets, et la contribution à la mise en place d'une librairie de génération de logs customisés pour Feign.
Création et modernisation d'écrans via Angular. Mise en place d'un JWT de type JWS (detached) pour accéder à une API.
Optimisation des performances via l'utilisation d'un cache JVM (Guava). Mise en place de dashboards Kibana pour le monitoring.
Démarrage d'un nouveau projet : co-définition de l'architecture, choix de stack et adoption de patterns adaptés.
Animation de la rétrospective de Sprints et suggestion d'optimisations des rituels Agiles.

Chargé de l'évolution et la maintenance d'un référentiel client, en microservices, avec le concours d'une équipe de passionnés de Java, du framework Spring et Angular, ainsi que du cloud AWS et GCP, férus du software craftsmanship et du partage des connaissances.
Pour l'ingestion des données, le référentiel intègre des données issues de plusieurs sources dont AWS S3 et des APIs, réalise des insertions dans une base PostgreSQL, ainsi que des publications de données sur des topics Pub/Subs qui sont streamées sur BigQuery via DataFlow.
Réalisation d'un projet Spring Batch from scratch, avec comme input des fichiers d'un bucket S3 et une Lambda comme trigger. L'exécution ordonnée des batchs est gérée à travers une file d'attente Amazon SQS (FIFO).
Présentation de sujets de veille technologique tels que la démonstration de Log4Shell (faille Log4j), et les nouveautés de Java 17.
Mise en place d'un cache serveur (Redis). Monitoring Grafana, Kibana, Amazon CloudWatch et AWS X-Ray.
Présentation de revues de Sprint. Instauration de rituels de team building.

Conception et création d'une Responsive Web Apps from scratch pour le suivi des utilisateurs, en tant que développeur full-stack et Scrum Master.
JAVA 11, Spring Boot, Spring Batch, REST, Angular 8, Jenkins, OpenShift, Hibernate, JUnit, Robot Framework, Jasmine, Karma, MySQL

Dans un contexte international, l’outil de gestion des Dynamic Portfolio Swap intègre différents services, notamment les modules de trading et de comptabilité. L’un des objectifs poursuivis était d’adopter une approche proactive et de garantir une parfaite adéquation aux besoins des utilisateurs. Ainsi, dès l’identification d’un défaut ou la formulation d’un besoin, il était impératif de déployer une solution tout en respectant les bonnes pratiques en vigueur.
Monitoring des tâches.
Développement de nouvelles fonctionnalités.
Optimisation des processus.
Gestion des mises en production.
Recueil et gestion des besoins.

Maintenance et mise à niveau du système d'information fédéral, dont ADOC pour l'aide au développement des clubs qui est à destination des dirigeants et enseignants de clubs, AEI, à destination des arbitres de tournois pour les épreuves individuelles, GS, à destination de tous les licenciés, pour la gestion des compétitions et championnats par équipes etc.
Découpage en microservices d'application monolithe.
Développement de nouvelles fonctionnalités. Tests de non-régression. Présentation de preuves de concept.
Enrichissement des fonctionnalités de l'ensemble du système d'information fédéral (front-end et back-end), tout en suivant l'approche TDD et les Clean Code Principles.
Création de preuves de concept pour démontrer la faisabilité de certaines idées telles que l'utilisation de Prometheus Metrics. Partage de données en mémoire cache entre différents serveurs.
Refonte graphique et fonctionnelle d'une application utilisée par tous les clubs de tennis français.