À propos

Ingénieur IA, diplômé de CY TECH en génie informatique. Je travaille aujourd'hui sur de la vision par ordinateur appliquée au tri industriel des déchets, après un passage par l'ingénierie des données et par la recherche.

Ce qui relie ces expériences, c'est la partie du travail dont on parle le moins : ce qu'il faut faire pour qu'un modèle sorte du notebook. Récupérer des données brutes et souvent sales, les rendre exploitables, tenir une contrainte de temps réel sur du matériel qui n'a pas été choisi pour ça, et brancher le résultat sur ce qui existe déjà.

Ce que je fais

Vision par ordinateur

Entraîner et optimiser des modèles de détection et de classification qui tiennent en conditions réelles : vite, sur du matériel contraint, et sur des objets abîmés, mal éclairés ou à moitié cachés. Un bon score sur un jeu de test propre ne dit pas grand-chose de ce qui se passe sur une chaîne de tri.

Données

Construire et tenir les pipelines qui alimentent l'entraînement — collecte, nettoyage, annotation. C'est le travail le moins visible, et celui qui décide de la qualité du modèle. Côté données plus classiques, j'ai aussi mené des migrations et réécrit des règles de gestion en SQL et en Shell sur des systèmes décisionnels.

Mise en production

Conteneuriser, déployer, et faire dialoguer un modèle avec l'existant : OPC UA du côté des automates industriels, HTTP du côté web. Docker, Kubernetes et Azure quand le contexte l'impose, un serveur Linux tout simple quand c'est suffisant.

Modèles de langage et recherche documentaire

Sur mon temps libre : index hybride lexical et sémantique, RAG, fine-tuning en LoRA. Surtout l'évaluation — monter un banc de test qui dit si le système répond juste, et à quelle fréquence il invente. C'est tout l'objet de l'étude de cas One Piece LLM.

Parcours

  1. Depuis sept. 2025

    Ingénieur IA

    Wasoria — Le Creusot

    Vision par ordinateur pour le tri intelligent des déchets, dans le cadre du projet France 2030 « 2SC — Smart Sorting Center ». Modèles multimodaux de reconnaissance et de classification d'objets en temps réel, et la pipeline de données qui alimente leur entraînement.

    • Python
    • C
    • Shell
    • OPC UA

  2. Mai – oct. 2024

    Ingénieur Data

    Sopra Steria — Paris

    DevOps sur les sujets décisionnel et data de la Cnam : migration de Solaris vers Linux, transformation des règles de gestion en scripts Shell et SQL, campagnes de tests techniques et fonctionnels, et la documentation qui va avec.

    • Oracle
    • PL/SQL
    • KornShell
    • Perl
    • HP ALM

  3. Avr. – juil. 2023

    R&D en intelligence artificielle

    BK Birla Institute of Engineering and Technology — Inde

    Recherche sur l'application de l'IA au domaine de la santé : état de l'art, développement et optimisation d'algorithmes de machine learning, et rédaction d'un article de recherche universitaire.

    • Python
    • scikit-learn
    • pandas
    • numpy

Formation

Diplôme d'ingénieur en génie informatique, spécialité intelligence artificielle — CY TECH, Paris.

Langues

Français, langue maternelle. Anglais opérationnel, TOEIC 855.