Florian LECOEUCHE

Mission de transformation IA auprès de RAZEL-BEC, acteur majeur des travaux publics avec 1,1 Md€ de CA. 🔹 Contexte : RAZEL-BEC souhaite intégrer l’IA afin d'améliorer l’efficacité, la fiabilité et la qualité de certaines activités à forte valeur, dans un environnement où la confidentialité, la traçabilité, la donnée interne et l’expertise humaine restent déterminantes. L’enjeu n’est pas de substituer l’IA à l’expertise métier, mais de construire une méthode fiable, adoptable et réutilisable. Responsabilités principales : 🔸 Cadrage de la démarche IA : objectifs, périmètre, risques, limites d’usage, données mobilisables, critères de succès et conditions d’adoption. 🔸 Accompagnement au changement auprès d'équipes métier peu ou pas familiarisées avec l’IA. 🔸 Identification et priorisation des cas d’usage IA à forte valeur opérationnelle. 🔸 Mise en place d’un cadre de gouvernance IA : confidentialité, validation humaine, qualité des sorties, traçabilité et maîtrise des risques. 🔸 Structuration de workflows IA réutilisables pour assister l’analyse d’informations complexes, l’extraction d’éléments clés, la structuration de contenus, la production de premières versions de travail et leur relecture critique. 🔸 Définition de critères d’évaluation : pertinence, fiabilité, exhaustivité, absence d’invention, temps de correction expert, confiance utilisateur et gain réel. 🔸 Structuration de méthodes et de bonnes pratiques réutilisables pour sécuriser et accélérer les usages IA. 🔸 Définition d'une trajectoire progressive d’industrialisation des usages IA. Résultats attendus : 🔸 Méthode IA structurée, testée sur des cas réels et adaptée aux contraintes métier. 🔸 Montée en compétence des équipes sur des usages IA maîtrisés. 🔸 Réduction du temps consacré à l’analyse, à la structuration et à la préparation de contenus métier. 🔸 Cadre de confiance pour passer d’une expérimentation IA à des usages durables, gouvernés et industrialisables.

Mission de transformation visant à accompagner une équipe IT dans l’adoption de l’intelligence artificielle, la structuration de ses pratiques de travail et l’amélioration de sa performance opérationnelle. 🔷 Contexte : équipe technique confrontée à des enjeux de modernisation, de fiabilité, de dette technique et d’appropriation de nouveaux usages IA dans un environnement applicatif existant. Responsabilités principales : 🔸 Diagnostic des freins à l’adoption de l’IA et accompagnement au changement auprès des profils techniques ; 🔸 Acculturation de l’équipe aux usages concrets de l’IA : debug, compréhension du code, analyse technique, formalisation de demandes, tickets et documentation ; 🔸 Transformation des postures initialement prudentes en usages autonomes et réguliers, en sécurisant par la pratique ; 🔸 Structuration des pratiques de cadrage : clarification du besoin, formulation des objectifs, amélioration des tickets et renforcement des critères de validation ; 🔸 Sensibilisation aux fondamentaux agiles et Scrum afin d’améliorer la communication entre besoin métier, cadrage fonctionnel et développement ; 🔸 Identification des cas d'usage IA à forte valeur, sans substituer l'outil à la compréhension humaine ; 🔸 Arbitrages pragmatiques entre ambition, maturité de l’organisation et réalité technique ; 🔸 Contribution à l’amélioration de la fiabilité opérationnelle via la priorisation d’actions techniques immédiatement exploitables. Résultats : 🔸 Adoption effective de l’IA par tous les membres de l’équipe, avec réutilisation autonome sur des cas concrets ; 🔸 Gain de temps identifié sur les tâches de debug, d’exploration de code et de compréhension technique ; 🔸 Amélioration du niveau de structuration des demandes, tickets et spécifications ; 🔸 Première dynamique de transformation installée autour de l’IA, des pratiques de delivery et de la fiabilité ; 🔸 Mise en place d’actions concrètes de fiabilisation technique sur les services backend prioritaires.

Lexard – Solution souveraine d’analyse documentaire IA (RAG + Agentique) 🔷 Conception d’un prototype IA souverain visant à transformer l’analyse documentaire complexe en outil métier exploitable : synthèse, comparaison, détection de risques et Q&A avec sources. Responsabilités principales : 🔸 Conception de l’architecture complète : API FastAPI, agentic layer (LangGraph), RAG pipeline, guardrails et stockage vectoriel 🔸 Mise en place d’un pipeline RAG avancé : extraction, chunking, embeddings multilingual-e5, recherche vectorielle (Qdrant HNSW, cosine), génération ancrée 🔸 Conception d’un agent multi-étapes (LangGraph) pour l’analyse, le résumé, la comparaison et la détection de risques avec validation et retries automatiques 🔸 Implémentation d’une couche complète de guardrails : détection d’hallucinations, prompt injection, PII redaction, schema validation 🔸 Développement d’un serveur MCP (Model Context Protocol) pour intégration assistants / LLMs 🔸 Structuration du produit : modules, configs, documentation, tests, UI (PWA responsive)

Reprise en main d’un ERP maison critique, développé sur mesure et maintenu par l’équipe IT, au sein d’une entreprise agroalimentaire réalisant 361 M€ de CA. Système central pour commerce, logistique, facturation, expédition et traçabilité. 🔷 Contexte : → ERP utilisé par la quasi-totalité des métiers, impactant l’exploitation quotidienne en France et à l’international. → SI vieillissant : base Oracle 9i obsolète et plus de 35 applications satellites legacy. → Forte dépendance à la connaissance interne : perte de savoir historique, dette technique, lenteurs, bugs et support absorbant plus de 60 % de l’activité. → Roadmap décorrélée de la capacité d’exécution, priorités mouvantes et manque de visibilité. Responsabilités principales : 🔸 Management direct d’une équipe de 8 personnes dédiée au développement, à la maintenance et au support ERP/applications satellites. 🔸 Reprise en main de la roadmap, du backlog, de la priorisation et de la coordination entre métiers, support, équipe technique et DSI. 🔸 Clarification des rôles, points individuels réguliers et préparation du budget SI/ERP 2026-2027. 🔸 Structuration des demandes métiers, objectivation des priorités business et réduction des sujets menés en parallèle. 🔸 Arbitrages entre maintien, refonte, migration, dette technique et valeur business. 🔸 Recadrage et relance de la migration Oracle 9i vers PostgreSQL 17. 🔸 Usages IA encadrés pour accélérer la rétro-documentation du legacy et structurer les spécifications. Résultats : 🔸 Roadmap et backlog restructurés autour d’une approche réaliste et orientée valeur business. 🔸 Équipe remobilisée via management de proximité et clarification des responsabilités. 🔸 Mise en place d’une évolution ERP à fort impact supply chain, générant une économie estimée à 12 M€/an. 🔸 Migration critique recadrée et relancée avec un architecte base de données externe. 🔸 Rétro-documentation IA du parc legacy, couvrant plus de 35 applications critiques et satellites.

Feature development: - UI for the new version of the app - entire new location system with RxSwift and MVVM working on foreground/background and online/offline. - migration from Firebase Realtime Database to REST API. Use of Mockit with XCTest for unit testing. Track crashs with Firebase Crashlytics. CI/CD with Fastlane, Circle CI and AppCenter. Use of agile methodology every day.

Insiteo SDK Insiteo is a provider of indoor location based services such as Map rendering, Location, Itinerary and Geofencing. Insiteo Smart Buildings This app allows you to showcase Smart Building services provided by Insiteo’s platform and SDK: - interactive maps of offices with open spaces, offices, restaurant, services & lei- sure areas, - real-time occupancy of shared spaces, - closest available meeting rooms, - geo-locate incidents, - indoor location, - navigation to any destination inside the building. Tester The Insiteo Tester is designed to help you enable Insiteo’s indoor location in your buildings. Features details: - Calibrate your site’s indoor location through dedicated fingerprinting tool. It provides you with a simple and intuitive user interface to define the key paths be- fore performing them physically on-site, - Test the indoor location in your venue, - Test all services from interactive maps to wayfinding and geo-notifications. AR Fingerprint AR Fingerprint is an application who allows the user to fingerprint a path using the ARKit framework.

Conception et développement de fonctionnalités pour la solution cloud cost analytics de Teevity, une application permettant de monitorer les coûts engendrés par l’utilisation de services de cloud computing.