Adam Serghini

Responsable de l'industrialisation des outils IA et de l'adoption des systèmes multi-agents au sein de l'entreprise. • Conception d'un kit de développement multi-agents déployé auprès de 10 développeurs, réduisant le temps de développement de 30% et le temps de revue de code de 75% • Implémentation de pipelines RAG complets (LangChain, ChromaDB, Sentence-Transformers) avec gestion du chunking, citation des sources et garde-fous contre les hallucinations • Développement de serveurs MCP rendant les APIs métier et données satellites accessibles en langage naturel aux équipes non-techniques, usage auparavant impossible • Mise en place d'un système d'observabilité de l'usage IA : tracking des lignes de code générées, proportion de code Claude dans les PRs et taux d'acceptation, permettant de piloter l'adoption et mesurer le ROI • Formation de 12 collaborateurs aux outils Anthropic (Claude Desktop, Claude Code, MCP), avec adoption effective au quotidien • Livraison d'interfaces React en production après une montée en compétence de 2 semaines • Développement de systèmes multi-agents et automatisation de workflows via orchestration LLM (Claude, MCP), réduisant de 30% le temps de développement et revue de code.

Responsable technique de l'équipe R&D, pilotage de la refonte du pipeline ML et standardisation des pratiques de développement. • Construction et pilotage d'une équipe de 6 personnes : participation au recrutement, onboarding et montée en compétences • Refonte complète du pipeline ML (annotation → entraînement → déploiement), divisant par 10 le temps de livraison des données clients grâce à des modèles plus efficaces et une inférence optimisée • Standardisation des pratiques de développement : création de boilerplates avec linters, formatters et type checking intégrés, améliorant significativement la qualité et la maintenabilité du code • Développement d'outils de monitoring custom pour évaluer les performances des modèles CV • Collaboration cross-fonctionnelle avec les pôles R&D, IT, Software Engineering, Production, Sales et Marketing pour aligner les solutions IA aux besoins métiers.

Développement et mise en production de modèles de vision par ordinateur temps réel pour l'agriculture de précision. • Développement et mise en production de modèles de tri optique temps réel pour Moët & Chandon, analysant la qualité de l'intégralité des raisins dans leurs pressoirs (volume annuel en millions d'euros) • Modèles temps réel pour le lin avec contrainte forte (3 images/seconde), détection, segmentation et classification avec précision >95% • Traitement et fusion de données multi-capteurs : RGB, multispectral, hyperspectral, LiDAR, télémètre • Premier membre de l'équipe R&D, contribution à sa structuration et à sa croissance de 1 à 6 personnes

Mise en place d'un processus de segmentation d'instances sur images géoréférencées, résolvant un goulot d'étranglement critique dans le pipeline de traitement de l'entreprise. • Entraînement et déploiement d'un Mask R-CNN pour la segmentation d'instances sur images géoréférencées.