Je vais construire une application agentic rag en utilisant langchain et langgraph

️ EXPERTISE TECHNIQUE CENTRALE

- Orchestration AI & agents : LangGraph (StateGraphs, routage conditionnel, boucles cycliques), LangChain v0.3+.

- Automatisation des flux de travail : n8n (intégrations Webhook, pipelines ETL automatisés).

- Ingénierie backend : FastAPI, Flask, conception d’API RESTful, SQLite, MongoDB.

- Traitement des données : Python, Pandas, NumPy, Scikit-learn.

Étude de cas de niveau production : AGENTIC CLASSROOM AI

J’ai conçu une plateforme d’intelligence éducative native dans le cloud, capable d’ingérer de vastes fichiers multimédias bruts et de les transformer de manière autonome en ressources d’apprentissage structurées.

- Contournement des limites API strictes : mise en place d’un pipeline de compression FFmpeg au niveau du système qui réduit de manière drastique de grands fichiers vidéo en fichiers MP3 mono ultra-compacts, contournant ainsi définitivement les limites rigides de 25 Mo pour les API de reconnaissance vocale en texte.

- Architecture décentralisée : stratégie de base de données client Bring-Your-Own-Key (BYOK) pour gérer une mise à l’échelle horizontale multi-utilisateur infinie sans atteindre les limites de jetons centralisées.

- Boucles de recherche autonomes : développement d’un moteur avancé LangGraph StateGraph. Si le contexte de la base de données vectorielle localisée (FAISS) est insuffisant pour répondre à une requête, l’agent déclenche dynamiquement des outils de web-scraping.