Les projets data et IA ne sont pas faits pour rester sur des slides.

De la stratégie à la production, je conçois et déploie des systèmes IA robustes, intégrés aux opérations.

Data · IA · Architecture Produit

Trust signals

Méthode, gouvernance et discipline d’exécution, sans promesses marketing.

Delivery discipline

Chaque mission commence par un cadrage structuré : objectifs, contraintes, risques et critères d’acceptation. L’architecture est documentée (ADRs, threat model, standards). Le run inclut observabilité, gestion d’incidents et post-mortems systématiques.

Security & governance

Accès par moindre privilège (RBAC), audit trails et classification des données à chaque niveau. Sécurité LLM intégrée : évaluation des prompts, red teaming léger. Conformité RGPD by design lorsqu’applicable.

Artifacts (on request)

Sur demande : Statement of Work et plan de delivery, schéma d’architecture et runbook, registre des risques et checklist DPIA, modèle de coûts FinOps et hypothèses de capacité.

Documents et exemples disponibles sur demande.

Ce que je fais

Une approche orientée valeur, de la stratégie à la mise en production.

Data Engineering

Pipelines fiables, data quality, coûts maîtrisés. De la source à la valeur, sur du cloud ou on-prem.

Mise en place de pipelines robustes et observables

Modélisation des données pour l’analyse métier

Amélioration de la qualité et de la gouvernance des flux

Livrables

Pipelines en productionModèles de donnéesQualité monitorée

Voir le détail

Pourquoi

Une donnée mal structurée en amont coûte 10x plus cher à corriger en aval. La fondation data conditionne tout ce qui vient après.

Ce que ca implique

Audit de l'existant, redesign des pipelines, mise en place de la qualité et de l'observabilité. Cloud ou on-premise selon les contraintes.

Ce que vous obtenez

Pipelines fiables en production, coûts maîtrisés, équipes autonomes sur la stack data.

Retour

AI Engineering

Du POC au produit IA: LLM, RAG, agents, évaluation, MLOps. Focus robustesse et sécurité.

Intégration de modèles ML/LLM dans vos processus

Mise en place des pratiques MLOps essentielles

Conception de cas d’usage orientés valeur utilisateur

Livrables

Cas d’usage validésPipeline IA opérableCadre de déploiement

Voir le détail

Pourquoi

Un POC qui marche en demo et un système IA en production sont deux objets différents. La distance entre les deux, c'est l'ingénierie.

Ce que ca implique

Conception du système complet : modèle, orchestration, évaluation, MLOps, sécurité. Du prototype jusqu'au déploiement sur votre infra.

Ce que vous obtenez

Un système IA opérationnel, observable, sécurisé et maintenable par vos équipes.

Retour

Product & Architecture

Architecture cible, choix techno, patterns scalables. Aligner tech, business, et contraintes (RGPD, sécurité).

Design d’architecture aligné avec les besoins métiers

Choix techniques guidés par la maintenabilité

Structuration des briques produit et données

Livrables

Blueprint architectureDécisions techniquesStandards de conception

Voir le détail

Pourquoi

La plupart des échecs IA ne viennent pas du modèle. Ils viennent d'une architecture qui ne tient pas la charge, ou d'un produit sans ancrage utilisateur réel.

Ce que ca implique

Définition de l'architecture cible, arbitrage des choix techniques, alignement business et contraintes réglementaires (RGPD, sécurité).

Ce que vous obtenez

Une architecture qui tient en production, des décisions documentées, un produit qui correspond à un vrai besoin.

Retour

Strategy & Delivery

Cadrage, roadmap, MVP, delivery itératif. Pilotage pragmatique jusqu’à la prod et l’évolution.

Cadrage des priorités data et IA selon vos enjeux

Pilotage de roadmap orientée impact métier

Suivi des décisions et de l’avancement opérationnel

Livrables

Roadmap prioriséePlan de deliveryKPIs de pilotage

Voir le détail

Pourquoi

Une roadmap IA sans critères de succès mesurables n'est pas une roadmap. C'est un budget qui part sans retour.

Ce que ca implique

Cadrage des priorités, définition des KPIs, pilotage itératif jusqu'à la mise en production. Pas de slide sans livrable concret associé.

Ce que vous obtenez

Des décisions prises, un delivery qui avance, des résultats mesurables à chaque étape.

Retour

Projets & Prototypes

Réalisations et architectures en cours.

Verrouillé

Système RAG Entreprise

Système RAG production-ready pour centraliser et interroger la documentation interne d'une organisation, avec contrôle d'accès, observabilité et conformité RGPD.

PythonLangChainAWSChromaOpenAIPrometheus

Étude de cas détaillée disponible sur demande.

Projet protégé. Déverrouillage sur demande

Verrouillé

Data Platform Lakehouse

Migration d'un entrepôt legacy vers une architecture Lakehouse moderne (medallion), réduisant les coûts infrastructure de 40% et multipliant par 3 la fraîcheur des données analytiques.

SnowflakedbtAirflowPythonGrafanaGreat Expectations

Étude de cas détaillée disponible sur demande.

Projet protégé. Déverrouillage sur demande

Verrouillé

SkillOS

LMS nouvelle génération centré sur les compétences : graphe de compétences, scoring de maîtrise continu, remédiation adaptative et dashboards institution pour la qualité et l'employabilité.

Next.jsPostgreSQLPythonLangChain

Cliquer pour voir le détail ↓

Pourquoi

Les LMS classiques mesurent la présence, pas la maîtrise. Les établissements pilotent à l'aveugle : aucun signal fiable sur ce que les étudiants savent vraiment faire.

Comment

Graphe de compétences + moteur d'évaluation adaptatif. Sessions interactives, scoring continu, remédiation ciblée. API ouverte pour s'intégrer dans l'infra existante.

Résultat visé

Progression compétences visible skill by skill. Taux de réussite +20-35%. Monétisation native via prérequis validés et parcours certifiants.

← Retour

Verrouillé

Crowd Flow Optimizer

Moteur de prédiction et d'orchestration temps réel pour optimiser les flux de foule et réduire les points de congestion lors de méga-événements.

KafkaFlinkPythonKubernetes

Cliquer pour voir le détail ↓

Pourquoi

Les accidents de foule sont prévisibles. Les outils actuels réagissent après coup : caméras et agents humains ne scalent pas sur 100 000 personnes.

Comment

Pipeline streaming Kafka + Flink ingérant capteurs IoT, caméras et données billetterie. Modèle prédictif de densité et points chauds. Dashboard opérateur temps réel + alertes automatiques.

Résultat visé

Réduction de 40% des incidents de congestion. Temps de réaction opérateur divisé par 3. Conformité réglementaire événementielle renforcée.

← Retour

Verrouillé

M&A Due Diligence Agent

Agent IA complet pour la due diligence M&A : analyse documentaire, scoring de conformité, extraction d'entités et synthèse sectorielle en temps réduit.

PythonspaCyNeo4jLangChain

Cliquer pour voir le détail ↓

Pourquoi

Une due diligence classique prend 6-12 semaines, mobilise 10+ juristes et analystes, et rate quand même des signaux critiques enfouis dans 50 000 pages de documents.

Comment

Pipeline OCR + extraction d'entités (spaCy/NER) + Knowledge Graph (Neo4j) pour cartographier les relations entre entités. Agent LLM pour synthèse, scoring de risque et détection d'anomalies. Output : rapport structuré avec citations sources.

Résultat visé

Due diligence réduite de 6 semaines à 5 jours. Couverture documentaire 100% vs 60% en manuel. Risques critiques identifiés avec traçabilité complète.

← Retour

Verrouillé

Smart City Command Center

Plateforme de supervision urbaine temps réel centralisant IoT, mobilité, énergie et sécurité pour piloter une ville intelligente depuis un dashboard unifié.

KafkaFlinkPythonGrafana

Cliquer pour voir le détail ↓

Pourquoi

Les villes accumulent des capteurs sans jamais les connecter. Le résultat : des silos de données, des décisions réactives, et des incidents détectés trop tard.

Comment

Pipeline temps réel multi-source (IoT, trafic, énergie, vidéo) sur Kafka + Flink. Couche sémantique unifiée. Dashboard opérateur avec alertes prédictives et simulation de scénarios.

Résultat visé

Vision unifiée de la ville en temps réel. Réduction de 35% du temps de réponse aux incidents. Optimisation énergétique mesurable dès le premier mois.

← Retour

Blog & insights

Réflexions sur la data, l'IA et l'architecture produit.

Ressources

Prompts, outils et références pour aller plus loin.

Médias & communauté

Contenu, partage et échanges sur les réseaux.

LinkedIn

Réseau pro & analyses.

GitHub

Code, projets, contributions.

YouTube

Démos & tutos.

Instagram

Storytelling & carrousels.

X

Veille & insights.

TikTok

Short-form éducatif.

Twitch

Live: build & debug.

Newsletter

Notes privées, 1×/semaine.

Un projet. Une contrainte. Un résultat à définir ensemble.

Je prends les mandats où l'impact est mesurable et les décideurs sont alignés. Si c'est votre cas, parlons-en.