Des automatisations concrètes, construites et déployées. Chaque projet illustre une problématique réelle, un choix d'architecture raisonné, et une attention constante à la souveraineté des données.
Traitement automatique des leads entrants depuis Tally, scoring par Mistral AI, validation humaine avant envoi — avec traçabilité complète dans Google Sheets.
Traiter manuellement chaque lead entrant prend du temps et introduit de la subjectivité dans la qualification. Sans validation, des emails non pertinents peuvent nuire à la relation commerciale.
Mistral AI est privilégié car ses serveurs sont localisés en Union Européenne. Le "Human in the Loop" garantit qu'aucun email n'est envoyé sans validation humaine — la machine qualifie, l'humain décide.
Agent conversationnel en production réelle : calcul des cotisations URSSAF, tracker financier, FAQ métier, envoi d'emails.
Les tâches administratives récurrentes d'une micro-entreprise — calcul des charges, suivi du CA, réponses aux questions opérationnelles — consomment un temps disproportionné.
Architecture "Tool Agent" — l'IA décide de l'enchaînement des outils selon le contexte. Une flexibilité bien supérieure à une logique conditionnelle classique.
Pipeline d'ingestion de PDFs vers une base vectorielle Qdrant self-hosted, pour un chat contextuel sur des connaissances métier internes.
Les documents internes sont rarement consultés car difficiles à interroger. Un système RAG permet de "parler" à ses documents et d'obtenir des réponses précises depuis le corpus documentaire.
Qdrant et Mistral sont tous deux hébergés en UE — aucune donnée documentaire ne quitte l'infrastructure européenne. Prototype fonctionnel, directement adaptable à une base de connaissances client.
Pipeline multi-agents pour la détection d'anomalies dans des transactions financières, avec pseudonymisation avant tout traitement IA.
Détecter manuellement des anomalies dans un flux de transactions financières est chronophage et sujet aux erreurs. L'enjeu est d'automatiser cette surveillance sans jamais exposer les données sensibles en clair à un modèle d'IA.
La pseudonymisation est appliquée avant toute délégation à l'IA — choix délibéré pour respecter le principe de minimisation des données (art. 5.1.c RGPD). L'orchestration multi-agents permet de tester chaque composant indépendamment.
Ces cas d'étude sont des exemples de ce que je construis. Chaque mission repart d'une feuille blanche — adaptée à votre contexte, vos outils et vos contraintes.