FROM DATA TO DEPLOYMENT.
Je conçois et industrialise des solutions d’intelligence artificielle de bout en bout : modèles de Machine Learning, applications GenAI, systèmes RAG / Graph-RAG, agents IA, pipelines Data/ML et APIs.
AI Engineer & Data Scientist, je conçois et industrialise des solutions d’intelligence artificielle de bout en bout, de la donnée au déploiement.
Je développe des modèles de Machine Learning, des applications GenAI basées sur les LLM, des systèmes RAG / Graph-RAG, des agents IA et des architectures multi-agents, ainsi que les pipelines Data/ML et APIs nécessaires à leur mise en production.
Mon expertise couvre également le NLP, la Computer Vision, l’IA explicable (XAI), les graphes de connaissances, l’analyse et la visualisation de données. J’accorde une attention particulière à la performance, à l’explicabilité, à la fiabilité, à la scalabilité et à l’industrialisation des solutions IA.
Positionnement — AI Engineering · Machine Learning · Data Science · GenAI / LLM Engineering · IA appliquée.
Calcul VHS (Vertebral Heart Scale) et génération automatique de rapports diagnostiques à partir d'images radiographiques cardiaques. Précision >92%
⌥ voir sur GitHub →Détection et annotation automatique d'anomalies sur images de cartes mères électroniques pour contrôle qualité industriel. mAP@0.5 = 0.87
⌥ voir sur GitHub →Déploiement d'un agent autonome (Tool-use) pour la qualification automatique de leads B2B, réduisant le temps de traitement commercial. −65% temps de traitement
⌥ voir sur GitHub →Système de détection d'objets en temps réel pour sécurité/conformité avec commande vocale intégrée (API Web Speech Recognition). 30 FPS · Latence <50ms
⌥ voir sur GitHub →Modèle de classification binaire pour distinguer textes humains et textes générés par LLM, avec analyse des features discriminantes. F1-score = 0.94
⌥ voir sur GitHub →Moteur de simulation dynamique en Python pour modéliser des boucles de rétroaction complexes dans des systèmes non-linéaires.
⌥ voir sur GitHub →SafeDesk AI est un agent d’IA conçu pour automatiser le triage des incidents informatiques. Il analyse une demande en langage naturel, identifie sa catégorie, calcule sa priorité, recherche une procédure adaptée et prépare une escalade vers une équipe humaine lorsque l’incident est critique.
⌥ voir sur GitHub →Automatisation du scraping web, extraction de texte sur +280 PDFs et calcul de scores de pertinence par algorithme NLP. +280 docs · −80% temps manuel
⌥ voir sur GitHub →Analyse et prédiction de séries temporelles pour compagnie aérienne — forecasting de trafic passagers et optimisation opérationnelle. MAPE <4.5%
⌥ voir sur GitHub →Ouvert aux opportunités en CDI — AI Engineer · Machine Learning Engineer · Data Scientist · GenAI / LLM Engineer et aux rôles en IA appliquée.
AI Engineering · Data Science · Generative AI — From Data to Deployment.