Etudiant : LAHMAMSSI ADNANE

Filière : Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. Driss EL ALAOUI

Annèe : 2026

Résumé : Ce projet de fin d'études, réalisé au sein de l'entreprise CBI, porte sur la conception et le développement d'un système d'automatisation du traitement des appels d'offres publics. La solution s'articule autour de deux modules complémentaires. Le premier extrait et structure automatiquement les informations d'un dossier de consultation (DCE) à partir de fichiers hétérogènes (PDF, DOC, DOCX, natifs ou scannés), en sélectionnant le contexte pertinent par découpage structurel et filtrage par mots-clés, puis en produisant trois tableaux exploitables : informations clés du marché, pièces exigées restituées verbatim, et checklist atomisée. Sa fiabilité repose sur une chaîne de repli multi-modèles (Mistral, DeepSeek, Groq, Gemini). Ce module a également fait l'objet d'une étude comparative de fine-tuning de modèles légers spécialisés (Qwen2.5-3B, via QLoRA) face à un modèle accédé par API, menée sur un corpus de 537 dossiers réels annotés, et démontrant que les modèles fine-tunés localement peuvent surpasser un grand modèle en production. Le second module génère automatiquement le descriptif technique de l'offre au format Word, en enrichissant chaque référence matérielle par scraping des fiches constructeurs et en orchestrant la rédaction via un graphe d'états (LangGraph) doté d'un dispositif anti-hallucination. Reposant sur une architecture moderne et conteneurisée (FastAPI, React, PostgreSQL, Flask, Redis/Celery, MinIO, Docker), ce projet apporte une réponse concrète à un besoin métier de CBI et illustre l'apport des modèles de langage à l'automatisation d'un processus administratif complexe.