Docteur en économétrie appliquée, diplômé de Mines Paris – PSL et Paris 1 Panthéon-Sorbonne.
Je conçois des modèles de machine learning et je développe des solutions IA complètes — agents LLM, systèmes RAG, applications FastAPI / React — jusqu'à la production, avec CI/CD et monitoring.
Technologies maîtrisées & certifications
De la stratégie au déploiement en production, j'accompagne les entreprises dans leur transformation IA avec une approche ROI-first.
Conception et déploiement d'agents autonomes capables de raisonner, planifier et agir. Intégration de workflows complexes via Make, n8n et Zapier pour automatiser vos processus métier à grande échelle.
Fine-tuning de modèles LLM (GPT-4, Claude, Llama 3, Mistral) et déploiement de systèmes RAG multimodaux ultra-précis. Réduction des hallucinations & optimisation des coûts d'inférence.
Analyses prédictives avancées, modèles NLP de pointe, Computer Vision avec CNNs et Transformers. Pipeline de données de bout-en-bout, de la collecte à la mise en production.
Architecture cloud multi-cloud sur AWS, Azure et GCP. Orchestration Kubernetes, infrastructure as code avec Terraform, pipelines CI/CD robustes et monitoring avancé avec Prometheus/Grafana.
Accompagnement dans la définition de votre feuille de route IA, audit de vos données, sélection des technologies adaptées à vos objectifs business et gestion du changement pour vos équipes.
Programmes de formation sur mesure pour développeurs, data scientists et managers : LLM & agents IA, MLOps, prompt engineering, et IA appliquée aux métiers. En présentiel ou à distance.
Une approche structurée en 4 phases pour garantir le succès de votre projet IA, avec des livrables clairs et mesurables à chaque étape.
Analyse de vos données, de vos processus métier et de votre infrastructure existante. Identification des opportunités IA à fort impact et définition des indicateurs de succès (KPIs).
Conception de l'architecture technique optimale : sélection des modèles, des outils et des patterns de déploiement adaptés à votre budget et à vos objectifs de performance.
Implémentation agile avec itérations rapides, tests exhaustifs et déploiement progressif en production. Monitoring en temps réel et optimisation continue des performances.
Accompagnement post-déploiement, montée en compétences de vos équipes, réentraînement des modèles et évolution continue de votre système IA pour maximiser le ROI.
Trois missions représentatives, avec le contexte, ce que j'ai construit et les chiffres obtenus. Le détail des treize projets est sur la page Projets.
Pour GreenOffice / Storkcom : 10 agents spécialisés orchestrés en Python, analyse d'images de bacs via Claude Vision, backend RAG FastAPI + ChromaDB avec 9 règles anti-hallucination. Architecture livrée, documentée et mise en production par le client.
Pour le Crédit Mutuel : ingestion de milliers de documents, embeddings ColPali, indexation Qdrant et retriever hybride dense + sparse. Monitoring Prometheus, dashboards Grafana et traçabilité complète des requêtes pour l'audit du SI.
Terraform en deux couches, pipeline GitLab CI/CD en 5 étapes avec scan Trivy, Kubernetes en production (Nginx Ingress, NetworkPolicies, TLS ACM), stack Prometheus / Grafana et plan de reprise Velero.
Chacun impose ses règles : conformité bancaire, RGPD hospitalier, redevabilité publique. C'est ce qui détermine l'architecture, pas l'inverse.
Crédit Mutuel — RAG multimodal sur documentation technique. Exigence : chaque réponse traçable et auditable. Résultat : 60 % d'erreurs en moins, 99,5 % de disponibilité.
Hôpital Sainte Musse — pipeline LangChain sur dossiers patients, laboratoires et imagerie. Exigence : conformité RGPD de bout en bout sur des données sensibles.
Métropole TPM et Préfecture du Var via Itinova — prévision de la demande d'hébergement d'urgence. Exigence : des résultats explicables à des élus, pas une boîte noire.
GreenOffice / Storkcom — plateforme myWASTE de mesure du gaspillage alimentaire. Exigence : des indicateurs fiables, donc des modèles choisis sur des critères mesurés.
Architecture AWS EKS 100 % Infrastructure as Code, pipeline GitLab CI/CD en 5 étapes avec scan Trivy, plan de reprise Velero et FinOps : 70 % de coûts en moins.
Doctorat au Laboratoire d'Économie de Dijon, publications internationales, enseignement des statistiques et de la prévision aux universités de Bourgogne et de Perpignan.
Découvrez comment construire un système RAG avancé capable de traiter simultanément des données textuelles, visuelles et audio pour des réponses ultra-précises avec 89% de précision.
Lire l'articleAnalyse comparative approfondie des trois frameworks d'agents IA les plus populaires : architecture, performances, cas d'usage et benchmarks sur des scénarios réels.
Lire l'articleGuide complet pour orchestrer vos workloads ML sur Kubernetes : configuration KubeFlow, Seldon Core, monitoring avec Prometheus et stratégies de déploiement zero-downtime.
Lire l'articleConsultation gratuite de 30 minutes pour analyser votre situation et définir ensemble la stratégie IA la plus adaptée à vos objectifs.
