Ingénieur développeur fullstack & AI Engineer.

Entre la Dev Factory et l'IA Factory, je fais évoluer les produits de l'entreprise et conçois de nouvelles solutions pour des clients du luxe, de la banque et du retail.

• +Produits augmentés par l'IA : faire évoluer les produits existants et en lancer de nouveaux, avec l'IA là où elle réduit les coûts ou résout un problème complexe.
• +Agents IA en production : superviser, diagnostiquer et corriger la production, accélérer le développement, toujours sous validation humaine.

Environnement technique

Langages

TypeScriptPython

Front

Nuxt

Back

NestJS

IA

LLMMCPLangfuse

Cloud & infra

Kubernetes

Quatre mois entre la Dev Factory et l'IA Factory, pour des clients de la banque, du luxe et du retail : une plateforme agentique mise en production, un agent d'auto-remédiation et une migration Cognos vers Power BI.

• +Plateforme agentique en production : un consultant décrit son savoir-faire et obtient un agent prêt à déployer, réutilisable par toute l'entreprise.
• +Écrans de supervision générés par un agent : quelques heures au lieu de plusieurs jours par écran.
• +Agent d'auto-remédiation : un incident traité en 7 à 20 minutes au lieu d'environ 6 heures ; en recette, 60 % des anomalies résolues sans intervention humaine.
• +Sécurité et gouvernance : SSO, cloisonnement entre organisations, validation humaine des écritures, budget et traçabilité de chaque exécution.
• +Migration Cognos vers Power BI : des modèles financiers réels importés avec leur lineage, de la base au rapport, sous plus de 460 tests automatisés.

Environnement technique

Langages

TypeScriptPythonGoC++

Front

Nuxt

Back

NestJSKeycloak

IA

LLMMCPLiteLLMLangfuse

Data

Power BIPostgreSQL

Cloud & infra

DockerKubernetesHelmGitLab CI

En parallèle de mes études, une année au sein de la Dev Factory sur trois fronts : la production d'un client retail, le produit data de l'entreprise et la R&D IA.

• +Monitoring temps réel (retail) : des interfaces de contrôle de flux nettement plus rapides et plus réactives.
• +Infrastructure cloud : accès sécurisés, services déployés, interventions lors des mises en production.
• +Produit data : transformation et enrichissement des données dans l'outil de gouvernance et de modélisation édité par l'entreprise.
• +R&D IA et machine learning : recherche documentaire augmentée (RAG), bases vectorielles, prédiction des relations entre les données.

Environnement technique

Langages

TypeScriptPythonGo

Front

Vue.js 3

Back

NestJS

Data

BigQueryPub/Sub

Cloud & infra

Google CloudDockerTerraformGitLab CI

Au sein de la Dev Factory, pour un acteur du retail : des outils pour superviser, tracer et corriger en temps réel ses flux de données financières.

• +Supervision temps réel : une interface configurable par flux (volumes, taux de réussite, écarts, alertes), où une nouvelle source se branche en quelques minutes.
• +Data lineage : la trace de bout en bout d'un objet, pour repérer en un coup d'œil blocages et rejets.
• +API de correction de données sécurisée : les partenaires du client corrigent eux-mêmes leurs données.
• +R&D : comparatif ClickHouse, PostgreSQL et BigQuery (performances et coûts), et un prototype d'assistant IA qui explique un rejet en langage naturel.

Environnement technique

Langages

TypeScriptPythonGo

Front

Vue.js 3

Back

NestJSREST API

Data

BigQueryPub/Sub

Cloud & infra

Google CloudDockerTerraformGitLab CI