Intelligence artificielle · Ingénierie, mise en production & accompagnement
L'IA ne vaut que si elle arrive en production. C'est là que j'interviens.
Je conçois, sécurise et maintiens des systèmes d'IA qui tournent vraiment : IA agentique, serveurs MCP, intégration de modèles dans l'existant, et accompagnement des équipes qui vont s'en servir.
Et je ne fais pas qu'utiliser des modèles. J'en entraîne, j'en déploie, et surtout je les mesure. 19 ans de développement derrière cette conviction : l'IA doit servir votre entreprise, pas l'inverse.
La révolution est là
On vit une bascule. Autant en être acteur.
L'imprimerie n'a pas tué l'écriture. Elle a mis fin au monopole des moines copistes. L'IA fait la même chose avec nos métiers.
Le développeur qui code encore ligne à ligne, à la main, sans l'IA, c'est ce copiste. J'ai choisi l'autre côté : celui de l'imprimeur.
Le retard se creuse vite. La bonne nouvelle : il se rattrape, avec la bonne personne au bon endroit.
Ma conviction
L'IA est un outil, pas une fin. Et ça ne se résume pas à prompter.
Le prompt n'est pas le travail, c'est l'outil. Le travail commence après : décider quoi construire, concevoir l'architecture, anticiper les erreurs, sécuriser ce que l'IA produit, le tester, le documenter, le rendre maintenable, puis le mettre en production et l'y tenir. C'est mon métier depuis 19 ans, et l'IA ne le remplace pas : elle le démultiplie.
On ne parle plus de langage, mais de solutions
Java, Python, React : ce n'est plus le sujet. La valeur s'est déplacée. On ne cherche plus une techno, on cherche quelqu'un capable de piloter l'IA et d'en tirer quelque chose de fiable, utile et durable.
L'IA fait gagner jusqu'à deux fois sur certaines tâches. À vous de décider ce que vous en faites : moi, je rends ce temps à la réflexion et à la relation humaine.
Ce que je fais pour vous
Quatre façons de rendre l'IA vraiment utile
Mettre en production, pas juste prototyper
Une démo qui marche le jour J ne vaut rien si elle tombe la semaine suivante. Je sécurise, fiabilise, documente et maintiens ce que l'IA produit. C'est là que la plupart des projets échouent, et là que j'interviens.
Piloter l'IA, pas la subir
19 ans pour cadrer, anticiper les erreurs, poser des garde-fous solides et garder l'humain aux commandes. L'IA propose, je valide, vous décidez.
La rendre utile à votre métier
L'IA débloque ce qui coinçait. Un client qui n'a jamais le temps de publier ses réalisations ? Une surcouche IA entre lui et son back-office, et c'est réglé. Chaque solution s'adapte, sans surcoût.
Embarquer vos équipes
Des process accessibles à tous, de la formation, de l'acculturation. Et un audit honnête : pas besoin de tout révolutionner pour gagner. Souvent, on optimise l'existant.
IA agentique · un exemple complet
Donner à une IA le droit d'agir, sans lui donner le droit de casser
Un assistant qui se contente de répondre ne change pas grand-chose. Pour être utile, il faut qu'il agisse sur le système réel. Mais donner à un modèle un accès libre en écriture sur un site en production, c'est imprudent.
Tout le travail est là : lui donner le pouvoir d'agir en rendant l'erreur soit impossible, soit réversible. J'ai construit pour ça un serveur MCP qui pilote des sites WordPress. Le modèle n'écrit jamais lui-même : il appelle des outils qui sauvegardent, écrivent, puis relisent pour vérifier ce qui a réellement été enregistré. C'est ça, la fiabilité d'un agent : non pas qu'il ne se trompe jamais, mais que ses erreurs soient rattrapables.
67outils exposés
628tests automatisés
12garde-fous permanents
Ces chiffres sont ceux de la version éprouvée aujourd'hui, celle qui tourne et que les tests couvrent. L'outil évolue en continu, donc ils montent à chaque itération. Je préfère annoncer ce qui est vérifié plutôt qu'une promesse de feuille de route.
En clientèle
Pas des slides. Des systèmes qui tournent.
La plupart de ces projets sont réalisés en marque blanche ou dans un cadre confidentiel : je montre les types de réalisations, l'esprit et le niveau, jamais les noms.
Agents qui font un vrai travail
Agents de benchmark marketing, UX/UI et création. Agent de prospection qui identifie et qualifie des cibles. Outils d'audit qui relèvent ce qui cloche sur un site, du SEO aux liens cassés, et proposent la correction sans l'appliquer seuls. De la conception au code, sécurisés, déployés, maintenus.
Intégration d'API de modèles
Brancher un modèle dans une application existante, gérer les erreurs, les limites de débit, les coûts et les cas où le modèle se trompe. La partie que les démonstrations ne montrent jamais et qui décide si le projet survit.
Outils maison
Déploiement, versioning, économie de tokens. Des outils que j'ai écrits parce que je fais tourner ces systèmes tous les jours et que la facture comme la fiabilité se pilotent avec des instruments, pas à l'intuition.
Sur mes propres produits
Je ne suis pas qu'un utilisateur de l'IA. J'en construis.
Ce volet concerne mes produits et mes travaux personnels, pas des prestations client. C'est là que j'entraîne, que je déploie et que je mesure.
Des modèles que j'ai entraînés
Quatre réseaux de neurones entraînés depuis zéro en PyTorch, puis exportés en ONNX et convertis aux formats mobiles. Pas du réglage fin d'un modèle existant : de l'entraînement, avec les jeux de données, les erreurs et les itérations que ça suppose.
De l'inférence là où il n'y a pas de serveur
Exécution sur le processeur graphique d'un téléphone, modèles compressés pour tenir dans la mémoire et dans le temps de réponse. Tout le calcul sur l'appareil, aucune donnée transmise, fonctionnement sans réseau.
Recherche par similarité
Un moteur qui reconnaît une image en la comparant à une collection, par empreintes vectorielles et recherche de proches voisins. C'est la brique centrale d'un RAG, appliquée à des images au lieu de textes.
Qualification de données à grande échelle
Une chaîne autonome qui interroge des bases publiques, recoupe des sources hétérogènes et qualifie les résultats, avec le respect de la vie privée et des règles de politesse des serveurs intégrés dès la conception.
La partie que tout le monde saute
Mesurer. C'est là que les projets d'IA se gagnent ou se perdent.
Faire marcher un modèle sur trois exemples choisis, c'est facile. Savoir ce qu'il vaut réellement, c'est un travail d'ingénierie à part entière, et c'est celui que presque personne ne fait.
Sur le moteur de reconnaissance d'une application que j'ai publiée, tout devait tourner sur le téléphone, hors ligne et sans serveur. Une approche gourmande en données était donc exclue dès le départ. La question n'était pas d'en collecter davantage, elle était de trouver la bonne combinaison de modèles et de réglages sous cette contrainte, et de savoir le prouver.
J'ai donc comparé 281 combinaisons de modèles et de réglages sur un jeu de test étiqueté à la main et tenu hors de l'entraînement, avec les conditions de réussite écrites avant le premier essai. Chaque essai est tracé dans un registre, donc tout reste rejouable et comparable d'une version à l'autre.
Le statut de licence y figurait au même rang que la précision : deux modèles plus performants que celui retenu ont été écartés parce que leur licence interdisait un usage commercial. Mesurer ne sert pas qu'à choisir le meilleur, ça sert à choisir celui qu'on a le droit de livrer.
L'IA sur l'existant
Le vrai terrain, ce ne sont pas les projets neufs
Les entreprises n'ont pas un terrain vierge. Elles ont du code ancien, des contraintes et de l'historique. C'est là que l'IA apporte le plus, et c'est là qu'elle demande le plus de métier.
Un site immobilier passé de PHP 4 à PHP 8
Le site public tourne sur WordPress, mais toute l'interface d'administration est développée sur mesure et alimente WordPress par une passerelle. C'est ce code sur mesure qui avait quatre versions majeures de retard, sans documentation et sans son auteur. L'IA a cartographié l'existant, les fonctionnalités ont été priorisées, et un parcours automatisé jouant l'utilisateur a relevé les régressions. La passerelle devait continuer de fonctionner à l'identique pendant toute la reprise, sans quoi c'est le site public qui tombe.
Des sites compromis remis en état
Plusieurs sites entièrement compromis remis en état, pour des clients différents. Sur le plus lourd : fichiers malveillants, portes dérobées, charge utile cachée en base de données, et aucune sauvegarde saine. Le socle est reconstruit à partir de sources officielles plutôt que nettoyé, parce que chercher des signatures connues ne trouve que ce qui est déjà répertorié. Un rapport d'audit est remis avec l'intervention, et il sert aussi à rouvrir le dialogue avec l'hébergeur.
Un grand groupe international
Un système interne existant, utilisé par plusieurs entités dans plusieurs pays et sans documentation, sur lequel il fallait livrer des évolutions importantes. Contenus confidentiels, relecteurs, circuits de validation entre entités, et toutes les langues du groupe. L'IA n'était pas dans le produit : elle était dans la façon de comprendre l'existant, de construire, de tester et de livrer.
Avec vos équipes
Un outil que personne n'ose utiliser n'a rien changé
La technique n'est que la moitié du travail. L'autre moitié, c'est que l'outil serve réellement, tous les jours, à des gens qui n'ont pas envie d'apprendre un nouveau métier.
J'ai encadré des développeurs et piloté jusqu'à dix prestataires en parallèle comme directeur technique. Je sais ce qui fait qu'un outil est adopté ou contourné, et ce n'est presque jamais sa qualité technique.
Un audit avant toute proposition
Je regarde d'abord ce qui existe et ce qui coince réellement. Très souvent, les premiers gains viennent de l'optimisation de l'existant, pas d'un nouvel outil.
Des process que tout le monde peut suivre
Un outil que seule une personne sait utiliser est une dette, pas un gain. Je conçois pour l'équipe entière, pas pour l'expert.
De la formation et de l'acculturation
Montrer ce que l'IA sait faire, ce qu'elle ne sait pas faire, et où elle se trompe. C'est ce qui évite autant le rejet que la confiance aveugle.
Une documentation qui survit à mon départ
Rien ne doit dépendre de moi. Je laisse des systèmes que vos équipes gardent en main, avec les décisions écrites et les raisons qui les ont motivées.
Comment je travaille
Une IA fiable ne s'improvise pas
01
Auditer d'abord
Comprendre l'existant et viser les vrais gains, sans tout casser. Une proposition faite avant d'avoir regardé n'est qu'une intuition déguisée.
02
Poser des garde-fous
Validation humaine systématique, actions réversibles, contrôle du résultat. Un système qui peut se tromper doit pouvoir être repris en arrière.
03
Mesurer, toujours
Des critères écrits avant les tests, le même jeu d'évaluation pour toutes les options, et une décision prise sur les chiffres. Un système qu'on ne mesure pas est un système dont personne ne sait s'il marche.
04
Documenter et transmettre
Rien ne dépend d'une seule personne. Vos équipes gardent la main, et le prochain qui passe comprend pourquoi les choses sont ainsi.
Compétences
Les technologies avec lesquelles je travaille
Intelligence artificielle
- IA agentique
- Agents outillés
- Serveurs MCP
- Orchestration
- Intégration d'API de modèles
- Claude Code
- Codex
- Embeddings
- Recherche par similarité
- Bancs d'essai et métriques
- Arbitrage coût, latence, fiabilité
- Garde-fous et validation humaine
Modèles et données
- Python
- PyTorch
- ONNX
- Entraînement depuis zéro
- Quantification
- asyncio et httpx
- SQLite
- Chaînes de collecte et de qualification
Développement et web
- PHP
- JavaScript
- TypeScript
- HTML et CSS
- SQL et MySQL
- WordPress
- API REST
- Architecture applicative
- Performance
- Sécurité
- Hébergement et déploiement
- Référencement technique
Mobile et embarqué
- Kotlin
- Swift et SwiftUI
- Dart et Flutter
- Inférence sur appareil
- LiteRT et délégué GPU
- Metal
- Traitement d'image
- Hors réseau et sans serveur
Travaux scientifiques
Un terrain où rien ne passe sans preuve
Je fais de l'IA sur trois fronts : pour mes clients et des agences, sur mes propres produits, et dans un cadre scientifique. Les trois se nourrissent, et aucun ne résume les autres.
Le volet scientifique est simplement celui qui se vérifie publiquement : des travaux publiés, des objets que j'ai découverts et enregistrés dans les catalogues internationaux, et une distinction obtenue au Royal Observatory Greenwich. C'est un domaine qui ne pardonne ni l'approximation ni le résultat invérifiable.
Si je le montre, ce n'est donc pas parce que mes compétences en viendraient. C'est parce que c'est la partie de mon travail que n'importe qui peut aller auditer.
Les mêmes problèmes partout
Entraîner un modèle et l'évaluer honnêtement. Faire tourner de l'inférence sous contrainte matérielle. Construire une chaîne qui vérifie son propre résultat. Recouper des sources qui ne sont pas d'accord entre elles.
Que ce soit pour un client, pour un produit ou pour une publication, ce sont les mêmes quatre problèmes. Seul le vocabulaire change.
Oui, depuis 19 ans, et c'est précisément ce qui fait la différence. L'IA produit du code vite, elle ne sait pas dire s'il est juste, sûr, maintenable ni déployable. Il faut quelqu'un capable de relire, de corriger, d'arbitrer et d'assumer. Un débutant outillé par l'IA produit des problèmes plus vite. Moi je produis des systèmes qui tiennent.
Non, mais elle change le métier en profondeur. Le prompt est devenu banal, il ne distingue plus personne. Ce qui distingue, c'est de savoir quoi construire, de sécuriser ce que l'IA produit, de le fiabiliser, de le documenter, de le rendre maintenable et de le mettre en production. C'est mon métier depuis 19 ans, et l'IA le démultiplie plutôt qu'elle ne le remplace.
Non. Je commence toujours par un audit honnête : souvent, on obtient de vrais gains en optimisant l'existant, sans tout casser. L'IA s'ajoute là où elle apporte une valeur réelle, pas partout par principe.
La plupart des projets IA n'atteignent jamais la production. Mon apport, ce n'est pas la démo qui impressionne : c'est le système qui tourne, qui tient dans le temps et qui rend service. Et je ne fais pas qu'utiliser des modèles, j'en entraîne, j'en déploie et surtout je les mesure.
Oui. Mettre en place des process, les rendre accessibles à tous, former et accompagner l'acculturation fait partie intégrante de mon travail. Une IA que vos équipes ne savent pas utiliser ne sert à rien.