Jean-Thomas Dauchel

– Serveur d'ingestion vidéo haute performance en Rust : Développement d'un serveur distribué pour l'ingestion, le traitement et le transcodage de flux vidéo broadcast en temps réel. Architecture asynchrone (Tokio) garantissant un débit de plusieurs gigabits/seconde avec gestion de la backpressure et tolérance aux pannes. Intégration avec pipeline FFmpeg pour transcodage multi-formats et stockage distribué – Système RAG (Retrieval-Augmented Generation) pour l'assistance à la production : Architecture de génération augmentée par recherche vectorielle permettant aux équipes éditoriales d'interroger en langage naturel l'ensemble des archives audiovisuelles. Utilisation d'embeddings pour l'indexation sémantique des contenus, base vectorielle pour recherche par similarité, et intégration LLM pour génération de réponses contextualisées. Pipeline ETL pour ingestion continue des métadonnées et transcriptions – Legal RAG – POC – Cabinet d'avocat brésilien : Fine-tuning modèle pour chatbot conversationnel portugais brésilien ; Corpus lois, decret, jurisprudence – Architecture et déploiement d'un système Speech-to-Text pour la transcription automatique de l'ensemble des journaux des rédactions locales.

– Maintenance et évolution du système MonaLisa/IMedia pour la gestion de l'infrastructure broadcast (projet INA Auto) – Intégration du nouvel outil NRCS OpenMedia et Dalet pour la production – Support de production niveau 2 : analyse, résolution d'incidents critiques, documentation technique, amélioration continue

– Création et direction d'une société spécialisée dans la production audiovisuelle et le développement logiciel – Système d'analyse vidéo temps réel pour la surveillance de pipelines pétroliers : Architecture distribuée de vision par ordinateur utilisant des algorithmes de Deep Learning pour la détection automatique d'anomalies, de fuites et la prévention des risques industriels. Traitement d'images haute résolution en temps réel (30+ fps) avec classification par réseaux de neurones convolutifs (CNN). Infrastructure scalable avec Docker et orchestration de services de traitement vidéo. Système d'alerting temps réel et dashboard de monitoring – TreasureQuest : Application mobile de chasse au trésor géolocalisée avec backend Node.js, API REST et système de géofencing – Applications de scoring sportif : Développement de systèmes de captation et diffusion d'événements sportifs en direct avec streaming temps réel et synchronisation multi-plateformes – Plateforme de monétisation vidéo : Conception et développement d'une plateforme innovante avec stack React/Node.js et système de paiement intégré – Consulting et AMOA : Audit technique, étude de marché, accompagnement levée de fonds, développement d'applications mobiles

– Co-création et développement d'un commerce de grossiste en produits de coiffure et esthétique – Résultats : CA de 150k€ la première année, croissance à 411k€ en 2016, 5000 followers sur les réseaux sociaux

– Développement de solutions logicielles innovantes pour l'audiovisuel et le cinéma – Voice and Motion Detector : Système de détection automatique de voix et de mouvement utilisant des algorithmes d'Intelligence Artificielle. Implémentation de MFCC (Mel-Frequency Cepstral Coefficients) pour l'analyse audio en temps réel et de réseaux de neurones convolutifs (CNN) pour la détection de mouvement dans les flux vidéo haute définition. Traitement temps réel avec latence inférieure à 100ms – Système de vision par ordinateur pour l'analyse temps réel de contenus vidéo : Classification automatique de scènes, détection d'objets multi-classe et reconnaissance de patterns visuels complexes avec Deep Learning. Pipeline de traitement optimisé pour broadcast professionnel – SubConvert : Outil de conversion et synchronisation de sous-titres pour l'industrie du cinéma avec support multi-formats – G5Commander : Application de contrôle et d'automation pour équipements broadcast – BreakingNews Editor : Éditeur temps réel pour breaking news et bandeaux d'information avec diffusion multi-canaux