You're seeing this page as if you were . The main menu is still yours, though. Exit from immersion
Martin D.MD

Martin D.

AI Engineer — Assistants IA & RAG sur vos données

€710/day
Paris, FR
0-2 years

Average response time: 1 hour

About Martin

En 2026, un modèle de langage peut devenir l'équivalent d'un collaborateur autonome : connaître vos dossiers, vos procédures, vos clients, et répondre avec la précision de quelqu'un qui travaille chez vous depuis des années. La différence ne se joue plus sur la puissance du modèle ni sur la façon de lui parler, mais sur l'architecture de contexte qu'on met à sa disposition. C'est mon métier : l'ingénierie de contexte. Un même modèle sera exceptionnel ou inutile selon le contexte dont on le nourrit.

  • Un exemple. Pour une agence d'outreach, j'ai récupéré des centaines de sources éparpillées : transcripts d'appels, documents produits, dossiers commerciaux. Une matière de grande valeur, mais que le désordre réduisait à des fichiers empilés sur un cloud. Je l'ai transformée en une base de connaissance hébergée localement, indexée et structurée, interrogeable avec le modèle de son choix. Ellerépond avec précision sur toute l'activité de la boîte, en citant ses sources, parce que le contexte a été pensé pour ça. Pas un modèle générique à qui on a collé des documents : une architecture où la bonne information remonte au bon moment.
C'est ce que je construis pour mes clients : des systèmes qui répondent à partir de vos données (PDF, Drive, Notion, tickets) en citant leurs sources, des modèles intégrés dans votre produit, des agents qui prennent en charge une tâche métier de bout en bout. Le fil rouge : répondre juste, reconnaitre quand l'agent ne sait pas au lieu d'inventer, et tenir en conditions réelles.

Aujourd'hui je travaille pour un cabinet d'IA français qui livre des agents en production dans la MedTech. En parallèle, j'ai conçu et mis en production deux SaaS en quelques mois là où une équipe classique aurait mis des années. Le vrai sujet n'est pas qu'ils existent, c'est ce qui l'a permis : une ingénierie de contexte qui fait travailler l'IA comme une équipe entière, sans rien céder
sur la rigueur ni la structure.
  • French

    Native or bilingual

  • English

    Native or bilingual

Remote only
Primarily works remotely

Experience

  • Cabinet d'IA Francais (Medtech)
    AI Engineer
    TECH
    October 2025 - Today (8 months)
    France

    Conception et optimisation d'agents IA livrés en production pour des clients du secteur médical.


    J'interviens sur le développement d'agents et de tâches, l'ingénierie de prompts, le monitoring et l'observabilité (Langfuse). Travail en TypeScript dans une architecture d'agents orchestrés à grande échelle.


    Livrables concrets :

    • Agents d'outreach de bout en bout : sourcing croisant plusieurs sources (recherches académiques, données entreprise, signaux de fenêtre d'achat, coordonnées), rédaction de messages personnalisés, et pilotage de campagnes d'envoi sur des milliers de leads.
    • Agent de veille concurrentielle évoluant en autonomie sur WhatsApp, OCR, ajout de leads dans le CRM, recherches d'infos...
    • Agent d'analyse d'appels de vente : chaque appel évalué selon les meilleures pratiques de social engineering, avec une synthèse actionnable produite en fin d'appel pourl'amélioration continue des performances commerciales de l'équipe.
    Agents IA Ingénieur IA Typescript Prompt engineering Context engineering
  • Carots.fr
    AI developer
    April 2026 - Today (2 months)

    CTO/responsable technique de Carots — SaaS pré-revenu

    Je dirige toute la partie technique de notre Saas, parti de zéro et porté en
    production en deux mois : une base de plus de 150 000 lignes (Dart et SQL), aujourd'hui utilisée chaque jour par trois écuries, environ 90 utilisateurs actifs quotidiens. Le produit est volontairement en test privé pendant que nous l'affinons avant l'ouverture publique.

    • L'enjeu n'est pas d'avoir écrit du code, c'est d'avoir rendu cette base opérable par une équipe. J'ai mis en place un workflow de production complet sur Linear relié à Claude Code et à une suite de skills que j'ai développée, qui structure le passage de l'idée au code. J'ai créé un agent, « Jean », qui traduit les demandes de mes deux cofondatrices non techniques en tickets cadrés et prêts à implémenter : elles contribuent pleinement au produit sans toucher une ligne de code. Je les ai même formées à piloter leurs propres projets sur Linear avec ce système.

    C'est ça mon vrai livrable : une discipline d'organisation qui permet de tenir, seul, une base de code complexe et prod-ready, lisible et pilotable par des profils non
    techniques, et de la faire évoluer au rythme d'une équipe. Exactement ce que je peux mettre en place chez un client : une organisation où l'IA et les personnes en place produisent du logiciel ensemble, proprement et durablement.
    Flutter Ingénieur IA Agents IA Gestion de projet Orchestration IA
  • Prestance.io
    RAG engineer
    March 2026 - Today (3 months)

    Conception et mise en production seul d'un SaaS d'analyse de CV par IA de l'architecture à l'interface, avec son propre canal d'acquisition

    • Le pipeline d'analyse combine plusieurs modèles selon leur rôle. Un premier passage avec Claude Haiku identifie les angles manquants d'un CV et sélectionne l'article de référence pertinent ; les réponses de l'utilisateur sont ensuite relayées à Claude Sonnet pour l'analyse approfondie. La lecture des CV se fait par extraction sur les PDF valides, avec un fallback OCR pour les formats non standard, afin qu'aucun document ne soit refusé.
    • Le RAG s'appuie sur une recherche vectorielle (pgvector, embeddings) qui injecte au modèle le contenu éditorial le plus pertinent : chaque analyse est ainsi nourrie par une base de connaissance que j'alimente moi-même.
    • Cette base vient du canal d'acquisition que j'ai construit : une publication SEO quotidienne, pilotée par un workflow que j'optimise chaque semaine à partir des données Google Search Console et du comportement utilisateur via l'outil d'analytics. Le contenu qui attire les visiteurs est le même qui affine la qualité des analyses. Boucle fermée.

    Fiabilité traitée comme priorité : garde-fous contre les réponses inventées, sécurité anti-injection sur les entrées, contrôle des coûts (cache, plafonds d'injection).
    RAG Ingénieur IA LLM Vector Embeddings Context engineering

Recommendations

Be the first to recommend Martin

Help this freelancer shine by sharing your experience working together.

These freelancer profiles also match your criteria

AgathaA

Agatha Frydrych

Backend Java Software Engineer

4.7

(3)

2

BaptisteB

Baptiste Duhen

Fullstack developer

4.6

(4)

5

AmedA

Amed Hamou

Senior Lead Developer

4

(2)

7

AudreyA

Audrey Champion

Web developer

4.3

(3)

4

Skill set

Categories