Aller au contenu
Sharan Shyamsundar
Portrait de Sharan Shyamsundar

Founding AI Engineer · Allemagne

Bonjour, je suis Sharan. Je construis des agents IA qui font un vrai travail.

Chez qado, je construis des agents qui aident les acheteurs des grandes entreprises à conserver les économies qu'ils ont négociées. Avant cela, chez Quid, je construisais des agents qui tiennent la comptabilité.

Voir mes projetsRéserver 20 minutesTélécharger mon CV (PDF)

Projets choisis

Deux journaux de bord : ce que j'ai construit, ce qui était difficile, ce que j'ai appris.

qado · Achats2026 – aujourd'hui

Des agents qui empêchent les économies d'achat de s'évaporer

Des agents qui lisent les contrats d'achat et repèrent où les économies s'échappent.

  1. contrats + factures
  2. lire les clauses
  3. contrôler les factures
  4. alerte acheteur
Lire le journal de bord →
Quid · Finance2025 – 2026

De la démo LLM aux agents qui tiennent la comptabilité

Des premiers prototypes LLM aux agents en production pour les équipes finance.

  1. reçu dans Slack
  2. extraire les champs
  3. associer les catégories
  4. note de frais
Lire le journal de bord →

Parcours

Étapes

  1. 2026 – aujourd'huiFounding AI Engineer, qadoÉquipe fondatrice. Des agents pour les achats en entreprise : respect des contrats, détection des dépenses excessives, préparation des négociations.
  2. 2025 – 2026AI Engineer, QuidArrivé tôt. J'ai mené les prototypes LLM jusqu'en production : des systèmes multi-agents pour la comptabilité.
  3. 2023 – 2025Étudiant salarié (Werkstudent), BASFÉquipe Supply Chain Digitalisation. Création d'Eddy, un helpdesk RAG pour les questions internes ; tableaux de bord supply chain.
  4. 2022 – 2024MSc Data Science, Université de MannheimÉtudesInstallation en Allemagne. Mémoire sur le fine-tuning efficace en paramètres des LLM quantifiés.
  5. 2020 – 2023Quant Analyst & Consultant, Equity Data ScienceArrivé tôt dans l'équipe quant. Produits d'analyse ESG, workflows d'investissement automatisés.
  6. 2020Management Trainee, Machine Learning, IT Mines TechnologyMon premier poste en machine learning en entreprise.
  7. 2019Data Scientist Intern, Saatchi & Saatchi · Publicis MediaStage pendant ma licence.
  8. 2017 – 2020BSc Applied Statistics & Analytics, NMIMSÉtudesLà où les chiffres sont devenus une habitude.

Distinctions

  • août 2026Vainqueur, AWS Challenge, JiVS Hackathon
  • août 2025Lauréat de thème, JiVS Hackathon
  • janv. 20252e au classement général + lauréat de thème, JiVS AI Hackathon au WEF de Davos
  • août 2024Lauréat de thème, JiVS Hackathon
  • 2023Vainqueur en équipe, STADS Datathon, Mannheim

Toutes en équipe. Hackathons JiVS avec l'équipe Strike, organisés par Data Migration International ; les éditions d'été au château de Seeburg.

Ma façon de construire

  1. 01

    Apprendre le domaine à dessein.

    Je note ce que je sais et ce que j'ignore, je questionne ceux qui y travaillent depuis des années, et je transforme les lacunes en plan d'apprentissage. L'IA aide : recherche, plans d'étude, et même un podcast de l'article que je n'ai pas le temps de lire.

  2. 02

    Les évaluations avant les fonctionnalités.

    Si je ne peux pas le mesurer sur des cas réels, ça ne part pas en production.

    Le voir en pratique →
  3. 03

    Le modèle est la partie facile.

    L'essentiel du travail, ce sont les outils, le contexte et les contrôles autour.

  4. 04

    Les agents méritent leur autonomie.

    Suggérer, puis faire valider, puis agir. La confiance se mesure avant que l'argent ne circule.

  5. 05

    Tout essayer, garder ce qui marche.

    De nouveaux modèles et agents de code sortent toutes les quelques semaines. Je les teste tôt et je partage avec l'équipe ce qui aide.

Autres projets