Expérience
Je construis des plateformes de données, des services LLM et des systèmes agentiques, de la mise en œuvre à l’exploitation.
Certifications et formations
IA et LLM4
NVIDIANVIDIA · LLM, transformers, parallélisme et diffusionVoir les attestations
Rapid Application Development with Large Language Models (LLMs)
NVIDIA · 2024
Vérifier l’attestation ↗Model Parallelism: Building and Deploying Large Neural Networks
NVIDIA · 2023
Vérifier l’attestation ↗Generative AI with Diffusion Models
NVIDIA · 2024
Vérifier l’attestation ↗Building Transformer-Based Natural Language Processing Applications
NVIDIA · 2024
Ingénierie data et ML4
IBM
DeepLearning.AI
Stanford OnlineIBM · DeepLearning.AI · Stanford OnlineVoir les attestations
Data Topology Design
IBM · 2022
Vérifier l’attestation ↗Machine Learning Engineering for Production (MLOps)
DeepLearning.AI · 2021
Vérifier l’attestation ↗Neural Networks and Deep Learning
DeepLearning.AI · 2020
Machine Learning
Stanford Online · 2020
Vérifier l’attestation ↗
Technologie responsable2
Green Software
PennConformité réglementaire et écoconception logicielleVoir les attestations
Green Software Practitioner
Green Software Foundation · 2026
Vérifier l’attestation ↗Regulatory Compliance
University of Pennsylvania · 2020
Vérifier l’attestation ↗
Anglais professionnel1
EF SET · C2EF SET · C2 Proficient · 75/100 · quatre compétencesVoir les attestations
Certificat d'anglais EF SET · C2
EF Education First
Vérifier l’attestation ↗
Traduction des besoins métier en architectures de solutions IA, choix de modèles et approches de mise en œuvre. Conception, contributions au code, analyse de production et amélioration des services.
Architecture de solutions
Traduction des cas d’usage métier en architectures de solutions couvrant les données d’entreprise, le machine learning, les plateformes LLM et les workflows agentiques.
Choix des modèles et mise en œuvre
Accompagnement des choix de modèles et de mise en œuvre, en conciliant besoins fonctionnels, coûts, capacités et contraintes d’exploitation.
Contrôles des services IA partagés
Contribution à la conception et à la mise en œuvre des contrôles des services IA partagés : budgets d’utilisation, quotas, limites de débit et intégrations d’appels d’outils.
Voir 3 contributions supplémentaires
Fiabilité et passage à l’échelle
Analyse des problèmes de fiabilité et de passage à l’échelle en production, avec des contributions au code et aux améliorations des services aux côtés des équipes plateformes.
Adoption des services IA
Accompagnement des équipes clientes dans l’adoption des services IA : conseil en architecture, aide à la mise en œuvre et diagnostic des problèmes de production.
Support opérationnel
Participation à une rotation de support opérationnel sur les plateformes IA d’entreprise.
Travaux personnels menés séparément de mes missions client : une architecture de référence LLM, Ondine et des outils de contrôle des agents. Je peux ainsi publier du code, des expériences et leurs limites sans exposer un système client.
Vauban, architecture de référence et banc d'essai
Architecture indépendante de tout fournisseur pour tester passerelle, garde-fous, politique d'outils, approbations et journalisation des trajectoires. Les affirmations publiques renvoient à un artefact ou à une expérience du laboratoire.
Mesurer plutôt que promettre
Sur 680 exécutions et six classes d'attaque, le filtre textuel en a arrêté 27 %, contre 97 % pour une politique déterministe appliquée aux arguments d'outils. Le protocole et ses limites sont publiés.
ToolGuard, gouvernance d'exécution
Sidecar fail-closed qui autorise les arguments d'outils avant exécution et consigne chaque décision dans un registre append-only chaîné par hachage. 465 tests automatisés.
Voir 1 contribution supplémentaire
Qadar, moteur forensique de trajectoires
Suivi de teinte par flux d'information et contrats d'ordonnancement ptLTL sur les trajectoires d'appels d'outils, produisant des preuves cryptographiques sans valeurs sur un registre infalsifiable. Plus de 180 tests. ToolGuard bloque ; Qadar prouve.
Construction d'une plateforme d'optimisation des achats déployée dans plus de sept pays. J'ai développé le code critique et dirigé les choix d'architecture autour de la recommandation, de la validation LLM et de la mise en production.
Service de validation des produits par LLM
Architecture et déploiement d'un service de vérification LLM réparti sur plusieurs instances Ondine, avec Azure OpenAI derrière LiteLLM. La flotte a atteint 2 000 contrôles simultanés. Les humains ne relisent plus chaque paire de substitution : ils se concentrent sur les exceptions.
Achats agentiques : refermer la boucle des économies
Conception d'une boucle agentique reliant recommandations et exécution : proposer un substitut conforme à partir du catalogue réel, expliquer les achats hors contrat et classer les solutions de repli lorsqu'un fournisseur est en rupture.
Allergènes : des règles déterministes qui refusent par défaut
Une mauvaise substitution alimentaire peut devenir un incident sanitaire. Les contraintes liées aux allergènes et à la nutrition sont donc appliquées hors du modèle par des règles déterministes qui refusent en cas de doute. Aucune proposition n'entre dans l'ERP sans approbation humaine ni trace d'audit.
Voir 5 contributions supplémentaires
Représentations BERT et base graphe
Optimisation des représentations BERT sous ONNX Runtime, combinées à un encodage catégoriel par ACM, pour calculer la similarité entre produits. Les résultats stockés dans ArangoDB alimentent une API FastAPI de recommandation en temps réel.
Actifs data réutilisables, déclinés par marché
Conception et réalisation de pipelines de prétraitement pensés comme des actifs réutilisables : un socle commun, des extensions par marché (Amérique du Nord, Royaume-Uni et Irlande, Italie, Brésil, Australie), chacune avec ses règles métier, ses sources (SAP, Dremio, SpendIQ), sa logique d'agrégation fournisseurs et son enrichissement géographique. Le principe : construire une fois, décliner par pays. Avec, au passage, l'optimisation de l'empreinte mémoire et de la facture Databricks.
Intégration d'Ondine
Intégration d'Ondine pour remplacer l'extraction fragile par expressions régulières. L'objectif était de faire passer la précision de l'analyse structurée des descriptions produits de 60-70 % à 90-95 %.
CI/CD, observabilité et MLOps
Pilotage de la migration vers Pydantic v2, images Docker Databricks comprises. J'ai aussi construit SdxMonitor : dérive des représentations, taux d'acceptation par marché, latence des traitements, versions MLflow, lignage des données et coûts de calcul consolidés sur sept marchés. Des contrôles Azure DevOps détectent les régressions avant le déploiement.
RAG produit pour enrichir les substitutions
Déploiement sur site d'un cluster GPU servant des LLM à poids ouverts pour extraire les attributs que la similarité BERT ignorait : allergènes, nutrition, emballage et certifications. La recherche hybride associe BM25, Weaviate et un modèle de reclassement. RAGAS mesure la fidélité, la pertinence du contexte et l'exactitude avant l'intégration aux traitements Databricks de trois régions.
Pilotage de l'architecture de données du premier producteur et fournisseur d'électricité français : 35 millions de compteurs, un relevé toutes les 15 minutes et 1 200 milliards de mesures par an.
Architecture du lac de données pour les réseaux insulaires
Conception du lac de données sur Cloudera CDH pour les systèmes électriques insulaires des territoires ultramarins. La modélisation Data Vault permet d'intégrer de nouvelles sources progressivement. Sans interconnexion avec le continent, la qualité des données participe directement à la stabilité du réseau.
Prévision de la consommation et équilibrage du réseau
Construction de la couche de données qui alimente les modèles de prévision. Le lac réunit l'historique de consommation, la météo et la production nécessaires à l'équilibrage en temps réel, particulièrement sensible à l'intermittence des énergies renouvelables.
Traitement des relevés de compteurs intelligents
Construction des traitements à haut débit pour 35 millions de compteurs relevés toutes les 15 minutes : NiFi à l'ingestion, HBase pour l'accès temps réel et Hive pour l'analyse par lots. Les résultats alimentent les prévisions et les tableaux de bord d'exploitation.
Voir 1 contribution supplémentaire
Détection de pannes réseau
Croisement de la consommation, des alertes capteurs et de la météo pour détecter et localiser les incidents en temps réel. Les équipes d'exploitation suivent les résultats dans Elasticsearch et Kibana.
Responsable de l'ingénierie des données pour la transformation IFRS17 d'un grand assureur européen. J'ai piloté le moteur de centralisation, l'architecture du socle, la plateforme IA et l'observabilité nécessaires au calcul réglementaire sur des millions de contrats.
Moteur de centralisation IFRS17
Prise en charge et livraison du Centralisateur IFRS17, plateforme interne en SaaS destinée aux actuaires et aux comptables : elle centralise les données de contrats, applique les calculs IFRS17 (CSM, LRC, ajustement pour risque) et produit les états réglementaires. J'ai piloté la migration des scripts SAS historiques vers plus de 50 traitements Spark en production, qui brassent des millions d'enregistrements chaque jour.
Socle data : la plateforme traitée comme un produit
Conception d'un socle de données modulaire en Java, réutilisable dans plusieurs entités métiers. Les modules d'ingestion, de stockage, de traitement, de gouvernance et d'administration se déploient indépendamment. Kafka et MapR prennent en charge les flux, Spark les traitements par lots.
Plateforme IA pour les équipes de science des données
Contribution à une plateforme interne où les équipes créent à la demande leurs notebooks et leurs espaces de calcul. Les bibliothèques ML, l'accès GPU et les connecteurs de données sont déjà intégrés, ce qui réduit le délai entre l'idée et l'expérience reproductible.
Voir 2 contributions supplémentaires
Migration de SAS vers un socle distribué libre
Pilotage d'une migration autant culturelle que technique : vingt ans de SAS vers Spark. Programmes de formation, standards de documentation, et surtout des pipelines ETL reproduisant à l'identique les résultats SAS — c'est ce qui a installé la confiance avec les actuaires. À l'arrivée : 40 % de qualité de données en plus et des délais de restitution nettement réduits.
Observabilité, engagements de service et MLOps
Mise en place de l'observabilité de production : tableaux de bord Grafana, alertes sur les engagements de service, orchestration Oozie et contrôles qualité Deequ. Ces contrôles transforment les règles de données en contrats vérifiés à chaque étape.
Ingénierie des données et du ML pour une plateforme de paiements internationaux. Elle traitait 5,8 millions d'opérations SEPA par jour pour plus de 1 000 établissements financiers.
Pipeline de conformité sanctions et KYC / LCB-FT
Construction des pipelines qui ingèrent les listes de sanctions internationales (OFAC, UE, ONU), les croisent avec les messages SWIFT en quasi-temps réel et remontent les alertes. Des millions de transactions filtrées chaque jour contre des centaines de milliers d'entrées. Intégration du SWIFT KYC Registry et du Sanctions List Distribution Service.
Détection de fraude sur les paiements internationaux
Développement de traitements Spark pour détecter les anomalies sur les flux de banque correspondante : hausse brutale du volume vers un pays ou réapparition d'un IBAN dans plusieurs corridors suspects. Ces signaux alimentaient les modèles d'évaluation du risque.
SWIFT GPI : traçabilité des paiements de bout en bout
Participation au lac de données qui centralise le suivi SWIFT GPI sur 11 pays et 200 corridors. Les tableaux de bord donnent aux équipes d'exploitation et aux clients l'état du paiement, son délai de traitement et les frais prélevés à chaque étape.
Voir 2 contributions supplémentaires
Bibliothèque d'anonymisation des données
Développement d'une bibliothèque Scala/Spark qui masque les IBAN, les noms et les montants tout en préservant leurs propriétés statistiques. Les équipes pouvaient ainsi tester leurs traitements sur des données réalistes sans exposer la production.
Paylib : ciblage marketing et prédiction d'appétence
Construction du système de ciblage marketing de Paylib, la solution française de paiement mobile : un pipeline de machine learning qui prédit l'appétence des utilisateurs et identifie ceux qui accepteront une offre promotionnelle. Le ciblage fin a remplacé la communication de masse, avec un gain net sur les taux de conversion.