Lucas Gonthier

Passer d'un notebook prometteur à un système ML fiable, scalable et observable en production, c'est rarement une question de modèle. C'est une question d'ingénierie. C'est mon métier.

Ingénieur Machine Learning & MLOps, j'accompagne sur trois axes :

Conception d'architectures ML sur-mesure, alignées avec les contraintes métier, les volumes de données et les exigences de performance.

Conception, déploiement et exploitation de systèmes ML scalables et fiables.

Je pense les modèles comme des composants d'un système distribué, pas comme des artefacts isolés : observabilité, gestion de la dérive, automatisation du cycle de vie, infrastructure as code, CI/CD ML.

Tout ce qui fait qu'un système tient sous charge réelle, sans intervention manuelle à 3h du matin.

Standardisation des process de déploiement, montée en compétence des équipes ML, réduction drastique du time-to-market.

-ML / DL: PyTorch, JAX, XGBoost, Optuna

-MLOps: FastAPI, Kubeflow, MLflow, KServe, Evidently

-Infra & Cloud: Kubernetes, GCP, Terraform, Helm, GitHub Actions

-Agents / LLMs: LangGraph, LangSmith

Stack adaptable selon le contexte projet. Je m'aligne sur l'existant de l'équipe.

- Vous avez un prototype ML qui doit passer en production sans casser à la première montée en charge

- Votre équipe ML manque de structure MLOps et perd du temps en déploiement

- Vous voulez construire un système ML ou agentique scalable from scratch

- Vous cherchez quelqu'un qui code, architecture et transmet à l'équipe

Discutons-en.