Julien THOMAZO

● Situation : Les méthodes de machine learning traditionnelles pour la prédiction des écosystèmes marins traitaient chaque espèce de manière indépendante, échouant à capturer les dynamiques complexes et interdépendantes du monde réel. ● Tâche : Innover en développant une approche fondamentalement nouvelle, en recadrant le problème non plus comme un problème de statistiques, mais comme un problème de langage. L'objectif était d'apprendre à un LLM à "parler l'écosystème" pour modéliser simultanément toutes les interactions entre espèces. ● Actions : ○ Conception d'une méthodologie originale pour "tokéniser" les données environnementales continues et la biomasse des espèces dans un format séquentiel interprétable par un modèle transformer. ○ Fine-tuning de divers LLMs (GPT-2, BERT, T5) pour réaliser une tâche combinée de classification et de régression de manière autorégressive. ○ Architecture et exécution d'un processus de benchmarking rigoureux par rapport à un pipeline XGBoost de référence. ○ Rédaction d'un article scientifique détaillant la méthodologie et les résultats (soumis, en cours d'évaluation). ● Résultat : Cette approche basée sur les premiers principes a conduit à une méthode prédictive révolutionnaire qui a surpassé les modèles traditionnels de 30%. Plus important encore, elle a prouvé qu'en recadrant le problème de manière créative, les LLMs peuvent révéler des dynamiques de systèmes invisibles aux méthodes conventionnelles. ● Stack : Python, Hugging Face, PyTorch, Scikit-learn, XGBoost, Dash, Matplotlib, Seaborn, Geopandas, Git/GitHub.

● Situation : Un réseau de 10 mutuelles de santé nécessitait un système pour détecter les fraudes potentielles au sein d'un jeu de données massif et très déséquilibré de 2,8 millions de bénéficiaires. ● Tâche : Architecturer et déployer un système de détection d'anomalies robuste et scalable, capable de traiter des données multi-temporelles et de s'adapter aux caractéristiques uniques de chaque mutuelle. ● Actions : ○ Ingénierie d'un pipeline ETL complet pour traiter quatre ans d'historique médical pour 2,8 millions d'individus. ○ Conception et implémentation d'une architecture de machine learning ensembliste combinant Random Forest, XGBoost et SVM. ○ Déploiement du pipeline d'inférence sur les serveurs internes du client pour une exécution mensuelle à l'échelle du réseau. ● Résultat : Livraison d'un système haute performance qui a permis une amélioration de 5x du Rappel et de 4x de la Précision par rapport aux solutions existantes basées sur des règles, démontrant la capacité à construire et déployer des systèmes d'IA fiables pour des environnements de données sensibles à grande échelle. ● Stack : Python, DuckDB, Polars, Pandas, Scikit-learn, NumPy, Matplotlib, Seaborn, XGBoost, PyTorch, Jupyter, Git/GitHub, Advanced SQL.

● Situation : Les professionnels de la comptabilité avaient besoin d'un moyen d'automatiser des analyses de données complexes sans avoir à écrire de code eux-mêmes. ● Tâche : Architecturer un système multi-agents capable d'interpréter des requêtes en langage naturel, de générer du code Python sécurisé en temps réel, et de gérer un workflow conversationnel pour effectuer des contrôles comptables automatisés. ● Actions : ○ Conception d'une architecture multi-agents (LangGraph) où des agents spécialisés collaborent pour générer, valider et exécuter du code Python de manière sécurisée. ○ Implémentation d'un système RAG pour réutiliser intelligemment le code précédemment généré, optimisant à la fois la vitesse et le coût des API. ○ Construction d'une application full-stack avec un backend FastAPI et une interface interactive Streamlit. ● Résultat : Livraison d'un POC fonctionnel qui a validé l'hypothèse de base : le système a réduit le temps d'analyse d'une demi-journée à quelques minutes et a prouvé la faisabilité de permettre à des utilisateurs non techniques de réaliser des analyses de données complexes via une IA conversationnelle. ● Stack : Python, FastAPI, Streamlit, LangChain, LangGraph, LangSmith, OpenAI API, ChromaDB, FAISS, Hugging Face, Sentence Transformers, Pandas, NumPy, Docker, AST, Black, Git/GitHub, Pydantic.

● Situation : Création et développement d'une entreprise B2B fournissant des services d'imagerie technique spécialisée à de grands groupes internationaux du BTP et de l'ingénierie. ● Tâche : Piloter tous les aspects de la croissance de l'entreprise, de l'excellence opérationnelle et de la livraison des projets, en agissant comme unique point de responsabilité pour le succès des clients et la rentabilité de l'entreprise. ● Actions : ○ Direction du cycle de vie complet de projets B2B complexes, de l'analyse initiale des besoins et des réponses aux appels d'offres à l'exécution sur site et la livraison finale. ○ Responsabilité complète du P&L, gestion de la stratégie d'entreprise, de la performance financière et des investissements technologiques pendant 18 ans. ○ Développement de relations à long terme avec les parties prenantes clés, assurant que les solutions techniques soient constamment alignées avec les objectifs stratégiques. ● Résultat : Ce parcours entrepreneurial de 18 ans a établi une base solide en sens des affaires, relations clients et responsabilité de projet de bout en bout, qui est maintenant appliquée à l'architecture et au pilotage d'initiatives IA complexes.

● Situation : Le programme Airbus A380 nécessitait le développement de systèmes d'affichage de navigation temps réel hautement fiables, opérant sous les normes de sécurité les plus strictes. ● Tâche : Concevoir et implémenter des algorithmes embarqués critiques pour les systèmes de navigation de l'A380, en garantissant des performances sans faille sous des contraintes temps réel. ● Actions : ○ Développement et intégration de nouvelles fonctionnalités d'affichage selon des spécifications aéronautiques précises. ○ Réalisation de tests exhaustifs sur un simulateur de cockpit A380 à échelle réelle pour répondre à la norme aéronautique rigoureuse DO-178B. ● Résultat : Déploiement et certification réussis de fonctionnalités critiques sur l'A380. Cette expérience a établi une rigueur fondamentale dans la construction de systèmes robustes, scalables et fiables où l'échec n'est pas une option. ● Stack : C/C++ temps réel, bus CAN, ARINC 429, méthodologie cycle en V.