Quentin Gopée

Contexte et Enjeux Kailup est une startup Al-first dont la mission est d'accompagner les startups et TPE dans la sécurisation de leur lancement sur le marché. L'enjeu principal est de transformer des données complexes en outils d'aide à la décision stratégique pour réduire les risques entrepreneuriaux. Responsabilités Stratégiques – Pilotage de la vision technique et de la stratégie produit globale. – Orchestration de la stack technique complète, faisant le pont entre la vision produit et une architecture hautement évolutive. – Conception et déploiement d'agents d'IA spécialisés pour l'automatisation de l'analyse de marché et l'évaluation des risques. Résultats – Développement de K-Pilot, un assistant IA propriétaire et système RAG avec des capacités avancées d'appel d'agents via FastMCP. – Mise en place d'une infrastructure backend performante et sécurisée sous FastAPI sur GCP. – Automatisation de l'évaluation des risques stratégiques grâce à la conception d'agents avec LangChain.

Contexte et Enjeux Mission de conseil stratégique pour JCDecaux concentrée sur l'identification, la priorisation et l'architecture d'implémentations d'IA générative (GenAI) à haut retour sur investissement. L'objectif était d'aligner les capacités de l'IA avec les objectifs de l'entreprise. Responsabilités Stratégiques – Évaluation et qualification de 6 cas d'usage GenAI à forte valeur à travers les fonctions business et opérationnelles. – Direction d'évaluations transversales de la faisabilité technique par rapport au ROI, incluant la maturité des données et l'atténuation des risques. – Définition de la stratégie d'implémentation pour les deux cas d'usage prioritaires. Résultats – Établissement d'une feuille de route stratégique alignant les capacités IA avec les buts corporatifs. – Définition complète du périmètre MVP pour les projets prioritaires, incluant les KPIs et les métriques de succès.

Contexte et Enjeux Responsabilité de l'architecture IA de bout en bout pour un bracelet PPG de grade clinique, du prototype fonctionnel initial à la production médicale. L'enjeu était de transformer des signaux bruts en données physiologiques de haute fidélité pour le diagnostic. Responsabilités Stratégiques – Direction de la stratégie de données et de l'architecture des modèles pour l'estimation des signes vitaux. – Supervision d'ingénieurs en alternance sur la création de jeux de données internes et les protocoles de validation. – Gestion du déploiement complet de l'architecture des modèles et des pipelines de données sur AWS. Résultats – Optimisation d'algorithmes pour l'estimation continue de la fréquence cardiaque, respiratoire et de la SpO2. – Architecture de modèles de Deep Learning (CNN, LSTM, TCN) pour l'estimation de la pression artérielle et la détection de l'apnée du sommeil à l'aide PyTorch, TensorFlow et Scikit-Learn. – Ingénierie de modèles de classification d'activité utilisant des données accélérométriques.

Contexte et Enjeux Recherche avancée en Généralisation de Domaine Semi-Supervisée (SSDG) pour la classification d'images déséquilibrées au sein des laboratoires LIVIA et ILLS à Montréal. L'enjeu était de développer des méthodes robustes face à des déséquilibres de données sévères. Responsabilités Stratégiques – Innovation algorithmique basée sur la Théorie de l'Information, utilisant le principe Infomax et les entropies de Tsallis. – Collaboration avec des chercheurs seniors en vision par ordinateur et imagerie médicale. Résultats – Amélioration des performances avec l'implémentation d'une nouvelle approche en PyTorch sur les datasets de références SSDG dans les situations de distributions à longue queue – Rédaction d'un article de recherche détaillant de nouvelles méthodologies d'apprentissage semi-supervisé, actuellement en cours de révision par les pairs. – Orchestration de milliers de jobs d'entraînement distribués sur des clusters de calcul haute performance canadiens.

Optimisation de modèles de Deep Learning pour l'inférence en temps réel sur des dispositifs embarqués, en partenariat avec le MIT et NVIDIA. L'enjeu était de concilier la recherche en vision par ordinateur avec les contraintes de déploiement en production sur des dispositifs embarqués, avec des capacités de calcul limitées. Responsabilités Stratégiques – Collaboration directe avec NVIDIA pour implémenter et déployer leur boîte à outils d'accélération TensorRT. – Ingénierie de performance pour les modèles d'estimation de profondeur et de segmentation sémantique. Résultats – Augmentation de la vitesse d'inférence par un facteur de 3x à 6x grâce à des techniques d'optimisation avancées. – Conception et publication d'un package Python interne pour l'accélération de modèles adopté par plusieurs équipes R&D.

Contexte et Enjeux Déploiement de solutions d'IA pour des opérations industrielles et des initiatives de ville intelligente à Singapour. L'enjeu était de concevoir des solutions IA pour des problématiques concrètes tout en apportant de la transparence aux modèles complexes via l'IA explicable (XAI). Responsabilités Stratégiques – Conception de solutions IA pour les clients – Direction d'une revue de l'état de l'art sur l'interprétabilité des modèles de régression. – Évangélisation technique et présentation des stratégies d'implémentation de la XAI au sein de l'entreprise. Résultats – Ingénierie d'un système de détection d'inondations via CNN en PyTorch et d'un outil de surveillance de sécurité d'entrepôt via YOLOv5. – Développement d'outils internes pour les graphiques de dépendance partielle (PDP) afin d'améliorer l'interprétabilité.

Contexte et Enjeux Préparation des étudiants de PCSI aux épreuves orales de Sciences Industrielles de l'Ingénieur (SII) pour les concours d'entrée aux Grandes Écoles d'ingénieurs françaises. Responsabilités Stratégiques – Préparation et conduite d'interrogations orales hebdomadaires portant sur la dynamique des systèmes et la théorie du contrôle. – Évaluation et accompagnement pédagogique sur l'automatique industrielle. Résultats – Évaluation scientifique rigoureuse des compétences des étudiants. – Préparation efficace des candidats aux exigences des concours nationaux.

Contexte et Enjeux Co-fondation d'une start-up music-tech pour permettre l'exploration sonore intuitive via une cartographie spatiale par similarité. L'enjeu est de transformer des bibliothèques audio en cartes interactives. Responsabilités Stratégiques – Direction de la stratégie technique et de la roadmap produit du concept au MVP fonctionnel. – Conception d'un backend Flask pour l'extraction automatique de caractéristiques sonores et la réduction de dimensionnalité. Résultats – Mise en œuvre de techniques MFCC, t-SNE et PCA pour projeter les sons sur une carte de similarité en 2D. – Développement d'une interface JavaScript personnalisée avec déclenchement audio en temps réel au survol.

Contexte et Enjeux Mission de R&D focalisée sur la reconnaissance et l'identification faciale automatisées pour des plateformes de contenu vidéo à grande échelle. L'enjeu était de concevoir une méthode permettant le fonctionnement sur une large variété de conditions d'éclairages, sans biais sur les ethnies. Responsabilités Stratégiques – Développement d'un pipeline d'identification faciale utilisant des modèles de détection couplés à du clustering non supervisé (DBSCAN). – Optimisation des paramètres de clustering pour garantir la précision sur divers formats vidéo. Résultats – Maintien d'une haute précision d'identification dans des conditions d'éclairage et ce pour toutes les ethnies.