PROJETS

Ce que j’ai construit

IA générative, MLOps, machine learning et recherche opérationnelle. Chaque fiche donne le contexte, la méthode et des résultats vérifiables.

• PROJET · RAG JURIDIQUEAgent RAG juridique avec évaluation automatiqueArticle attendu retrouvé dans 90 % des cas, 92,3 % de citations exactes, 100 % de refus corrects et 0 % de réponses à tort sur 60 questions de test.
• PROJET · MLOPSPlateforme MLOps auto-réparatrice — NYC TaxiChoc COVID d’avril 2020 détecté et corrigé sans intervention : MAE holdout de 4,49 à 3,09 min après réentraînement et promotion automatiques.
• STAGE · SONATELOrange (Sonatel) — Anticiper la saturation du réseau fibre88 % de faux négatifs en moins que la règle métier en place (PR-AUC 0,81 contre 0,28), avec un modèle XGBoost calibré et expliqué par SHAP.
• PROJET · EMBEDDINGS · EN COURSFine-tuning d’embeddings juridiques11 088 paires question/article générées puis filtrées, jeu de test de 125 questions figé avant l’entraînement. Résultats finaux en cours.
• PROJET · DERMTRIAGEDermTriage — Classification d’images dermatologiques2,5 fois plus performant qu’une baseline classique : macro-F1 de 0,66 contre 0,26 (validation croisée à 5 plis), sur 10 015 images et 7 classes.
• PROJET · E-VRPTWTournées de véhicules électriques — E-VRPTWFlotte optimale connue retrouvée sur 54/56 grandes instances (+0,17 % de distance) et 18 solutions meilleures que la référence publiée de 2014.
• PROJET · ROADEFROADEF/EURO 2020 — Planification de la maintenance RTESolutions à 0,52 % en moyenne de la meilleure solution connue (contre 2,83 % pour le glouton) ; optimalité prouvée sur 8 instances sur 15.
• PROJET · RING-STARRing-Star — Optimisation d’une ligne de métro circulaireCoût réduit de 19 % par rapport à l’approche gloutonne, en moins d’une seconde.