Cadrer
Décision, utilisateurs, sources, risques et critères de réussite.
EXPERTISE
Concevoir des systèmes d’IA générative utiles et observables.
Des capacités techniques traduites en bénéfices concrets pour le produit et ses utilisateurs.
Revenir au chapitre correspondant ↑Je relie modèles, données, interfaces et contrôle qualité pour que l’IA produise un résultat exploitable — pas seulement une réponse plausible.
IA générative
- Applications LLM
- RAG
- Agents IA
- Intelligence documentaire
- Évaluation
- LangChain
- Langfuse
Ingénierie produit
- Python
- Angular
- React
- TypeScript
- API
- SSE
- MCP
- MongoDB
- Milvus
- PostgreSQL
Livraison et systèmes
- AWS
- Azure
- CI/CD
- Jenkins
- Datadog
- Git
- Agile / Scrum
- Modélisation des performances
- Rédaction technique
MÉTHODE
Du besoin au système observable.
Construire
Recherche, agents, traitement documentaire, API et interfaces.
Observer
Traces, sources, étapes d’exécution et signaux opérationnels.
Évaluer
Contrôles qualité, limites, retours et itérations maîtrisées.
APPLICATIONS
Ce que ces capacités permettent.
Agent IA financier
Des documents et données financières deviennent une analyse SWOT sourcée et une présentation réutilisable.
Intelligence documentaire
Les LLM assistent l’analyse de documents métier au sein du projet PICXEL.
Assistance aux appels à missions
Un outil interne aide les managers à comprendre les demandes et préparer leurs réponses.
Recherche en performance
Un modèle analytique évalue les réseaux sur puce jusqu’à 500× plus vite dans la comparaison rapportée.
FAQ
Questions fréquentes
Quel type de poste recherchez-vous ?
Un rôle d’ingénieur IA générative autour des applications LLM, du RAG, des agents, de l’intelligence documentaire et des enjeux de production.
Intervenez-vous au-delà du modèle ?
Oui. Les projets documentés couvrent les services Python, les interfaces Angular et React, les API, les bases de données, les pipelines documentaires, le cloud et la CI/CD.
Comment traitez-vous la fiabilité des LLM ?
En reliant les sorties à des sources explicites, en exposant les étapes d’exécution, en ajoutant de l’observabilité et en évaluant les résultats selon des critères définis. Le protocole précis dépend du cas d’usage.
J’apporte aux produits d’IA générative une démarche de recherche, une ingénierie de bout en bout et une attention particulière aux résultats traçables.