Parcours
De la recherche à la mise en production.
Docteur en IA, j'ai mené ma thèse à l'IRIT (Université de Toulouse) sur le clustering de données mixtes, en poste chez SolutionData Group. Depuis 2020, je mets l'IA en production : modèles prédictifs pour une collectivité, assistant juridique pour des cabinets RH, puis assistants et agent de support pour la Région Académique Occitanie, sur des modèles hébergés en interne. Je forme aussi les équipes qui s'en servent.
Expériences
Consultant en IA
Conseil (diagnostic, cadrage), développement et formation en IA, et mes produits chatbotmaker.fr et my-research-digest.
Data Scientist
Contribution à la modernisation des services administratifs de l'éducation nationale par l'IA et l'IA générative.
- Outil no-code de création de chatbots, pour que les services métiers conçoivent eux-mêmes leurs assistants à partir de leurs documents officiels. Étude de cas →
- IAssist, agent IA de support informatique : premier niveau pour les personnels, copilote pour les techniciens, ticket pré-rempli quand il ne trouve pas. Étude de cas →
- Souveraineté et protection des données : API de l'État avec modèles souverains, et serveurs d'inférence avec des modèles à poids ouverts sur les infrastructures de la région académique.
- Formation et coaching des équipes de développement : fondamentaux de l'IA, acculturation et développement assisté par IA.
Ingénieur IA
Solutions data et IA pour valoriser les données de la collectivité du Sicoval, et produits d'IA générative pour des cabinets de conseil RH.
- Modèles prédictifs (consommation d'énergie du Sicoval) et algorithmes de clustering (exploration des données, communes similaires).
- Tableaux de bord interactifs (Dash, Streamlit) sur les données ouvertes du Sicoval.
- Assistant juridique RH : Code du travail, conventions collectives et jurisprudence Judilibre, pour les cabinets de conseil RH. Étude de cas →
- Recherche sur l'optimisation du clustering de données mixtes, publications et présentations dans plusieurs conférences internationales.
Ingénieur IA et optimisation
Optimiser le placement d'un système multi-agents sur les nœuds de calcul d'une architecture distribuée, pour réduire les temps d'exécution. Méthodes exactes (PLNE, GLPK) et approchées (recuit simulé, clustering).
Formation
Doctorat en intelligence artificielle
Thèse : Évaluation et recommandation de mesures de similarité pour le clustering de données mixtes. Publications, Google Scholar ↗
Master en recherche opérationnelle
Diplôme d'ingénieur en informatique
Compétences : concevoir, déployer et transmettre l'IA.
Data science et ML
Modélisation prédictive, deep learning, clustering, méta-apprentissage.
IA générative
LLM, génération augmentée par la recherche (RAG), agents IA autonomes.
Développement et déploiement
Solutions IA de bout en bout : pipelines ML, API, MLOps, intégration applicative.
Conseil et formation
Diagnostic, cadrage et stratégie IA, montée en compétence des équipes.
Stack technique
Langages — Python, C++, JavaScript, HTML, CSS
Machine et deep learning — Scikit-learn, PyTorch, NumPy, Pandas, TensorFlow
IA générative — Hugging Face, LangChain, LangGraph, Langfuse, RAGAS
Inférence — Ollama, llama.cpp, vLLM, modèles à poids ouverts
Backend — FastAPI, Flask, Node.js
Frontend — React, Vite, Tailwind
Bases de données — SQL, MongoDB, Qdrant, Chroma
DevOps — Git, Docker, Nginx
Langues
Français, bilingue · Anglais, courant · Wolof, natif