AI & Robotics Research Engineer

A rejoint l'équipe d'évaluation et d'entraînement en IA pour évaluer et améliorer les réponses générées par des modèles de langage sur des cas d'usage techniques et métier.

• A évalué et amélioré des réponses de LLM pour leur exactitude, pertinence, qualité de raisonnement, respect des consignes et clarté.
• A validé des énoncés de problèmes de style Codeforces et des solutions optimisées ou par force brute pour leur correction, déterminisme, lisibilité, complexité temporelle et spatiale.
• A construit des suites de tests en Python comportant plus de 30 cas par évaluation.
• A effectué des vérifications d'originalité et validé les solutions dans des environnements Docker tout en maintenant des métadonnées de tâches précises.

A cofondé et architecturé une plateforme clinique multimodale d'aide à la décision intégrant imagerie médicale et dossiers de santé.

• A architecturé une plateforme d'intelligence clinique multimodale intégrant imagerie médicale, dossiers de santé structurés, signaux biomédicaux, raisonnement par LLM et graphe de connaissances cliniques.
• A conçu l'orchestration d'agents de vision et de raisonnement clinique dotés de mécanismes de validation, d'explicabilité et de contrôle des hallucinations pour les flux de travail sensibles à la sécurité.
• A traité plus de 1,2 million d'événements d'inférence diagnostique.
• A réduit le temps de documentation et de triage des cliniciens d'environ 30 % par cas grâce à un résumé et un reporting structurés.
• A atteint environ 98 % de précision de validation interne sur des jeux de données pilotes grâce à des boucles de rétroaction avec plus de 50 médecins consultants.
• A piloté le produit depuis le MVP jusqu'à la bêta publique.

A dispensé des formations pratiques sur l'intelligence artificielle générative et les technologies associées.

• A dispensé une formation pratique sur l'intelligence artificielle générative, les systèmes de LLM et les pipelines RAG.
• A enseigné l'automatisation et l'intégration orientée déploiement.

A intégré l'équipe de systèmes embarqués automobiles pour concevoir des tests automatisés et valider des calculateurs.

• A conçu la génération et l'exécution de scénarios de test ECU automatisés sous CANoe.
• A couvert les flux de travail CAN, UDS, J1939, CAPL, I/O, alimentation, fréquence, capteurs et diagnostic.
• A développé un pipeline de validation automatisé couvrant le déploiement de firmware, la génération de tests, l'orchestration d'exécution, l'analyse de traces et le reporting structuré.
• A conçu des modèles LSTM et des auto-encodeurs pour la détection d'anomalies et de cyberattaques sur les réseaux CAN.
• A déployé YOLOv8 pour l'inspection des indicateurs de tableau de bord et de composants.
• A construit des outils en Python et Django utilisés par les équipes QA pour standardiser les flux de travail et accélérer la validation répétable des ECU.

A cofondé et architecturé une plateforme d'inspection d'infrastructure pilotée par l'intelligence artificielle et la robotique.

• A architecturé une plateforme d'inspection combinant drones autonomes, systèmes robotiques, vision par ordinateur, score de maintenance prédictive et reporting automatisé.
• A construit un tableau de bord analytique en React et Supabase.
• A intégré des flux de travail OCR, d'analyse d'anomalies thermiques, de reconstruction 3D, de jumeaux numériques, d'ERP, de SIG et de BIM.
• A atteint environ 98 % de précision de détection avec moins de 1 % de taux de faux négatifs critiques lors d'inspections pilotes.
• A réduit le temps d'inspection jusqu'à 75 % et les coûts opérationnels jusqu'à 60 % par rapport aux flux de travail manuels.
• A coordonné le développement pluridisciplinaire en IA, robotique, IoT et analyses cloud, de l'architecture produit jusqu'au déploiement pilote.

A réalisé un stage axé sur l'automatisation des processus administratifs au sein d'une institution bancaire.

• A implémenté un flux de travail basé sur l'OCR pour rationaliser le traitement répétitif des documents administratifs.
• A automatisé les tâches de saisie et de traitement documentaire pour réduire les délais de traitement.

A fondé et dirigé un projet de recherche indépendant axé sur l'architecture d'intelligence de recherche autonome.

• A conçu un laboratoire de recherche scientifique autonome multi-modèle intégrant des agents LLM, la génération et la falsification d'hypothèses, l'expérimentation, une mémoire structurée et la vérification formelle Lean 4.
• A construit une architecture hétérogène à 13 rôles avec une diversité de modèles contrôlée, des phases de raisonnement indépendantes et une sélection d'hypothèses basée sur Pareto.
• A développé la mémoire de recherche ATLAS pour suivre les résultats vérifiés, les contre-exemples, les approches échouées et les dépendances de recherche dans des pistes d'audit reproductibles.
• A implémenté des benchmarks, des ablations causales, des audits scientifiques et des portes de vérification strictes.
• A appliqué le système à la frontière Collatz L3 et à la démonstration automatisée de théorèmes.