Nassim B.

Syntree est une plateforme d'intelligence artificielle hybride combinant LLMs, agents autonomes, moteur logique déterministe et architecture microservices Kubernetes.

Contexte

Création de la plateforme Syntree, pensée comme une IA “code-first” où chaque requête passe d’abord par un moteur logique déterministe avant tout appel à un LLM.

Objectif : concevoir une infrastructure scalable, sécurisée et industrialisée pour plusieurs applications SaaS (CoreAI, Vigilis, Pepetes, Pharmalink, MyAccount).

Tâches réalisées

🔧 Architecture & Développement

Conception d’une architecture microservices Rust (Axum) + Vue.js 3 + PostgreSQL + Redis.

Développement de plusieurs services backend :

auth-service, notification-service, pepetes-api, vigilis-api, etc.

Implémentation d’un moteur logique déterministe orchestrant les appels outils/agents/LLM.

Création du module LLM Service intégrant Qwen 3 Coder 30B + Whisper via Apple Silicon.

Mise en place d’un framework interne d’agents IA (analyse, actions, validation, planification).

Développement des frontends Vue 3 :

CoreAI, Vigilis, Pepetes, Pharmalink, MyAccount.

☁️ Infrastructure & DevOps

Mise en place d’un cluster Kubernetes (k3d) avec Traefik, NATS JetStream, Redis, PostgreSQL 16.

Architecture GitOps complète via ArgoCD (18 applications : PP + PROD).

Build pipelines GitHub Actions self-hosted macOS (tests, lint, Docker, push).

Automatisation totale des déploiements :

git push → build → push Docker Hub → ArgoCD Image Updater → déploiement auto.

Rolling updates K8s sans downtime (2–5 minutes du push à la mise en prod).

Gestion des secrets via Sealed Secrets.

🔐 Sécurité

Conception d’un système d’authentification sécurisé :

JWT HS256, Argon2, RBAC, cookies SSO interne.

📊 Observabilité & QualitéRédaction complète de la roadmap technique 2025 (OAuth2, Kong, Stripe Billing, SDKs…).

Mise en place de tests unitaires Rust/TS, E2E (Playwright, Q2 2025).

Implémentation du plan de validation CI/CD (100% automatisé).

🎯CONTEXTE

Le projet Développement Collaboratif (DevCo) vise à rationaliser les pratiques d’analyse et de restitution de données opérationnelles. Historiquement, plusieurs acteurs métiers utilisaient des outils hétérogènes (R, Python, Excel VBA). L’objectif est de centraliser, sécuriser et moderniser le traitement des données du SI de la DOAAT. Plus récemment, le projet s’est élargi avec la volonté de fournir aux métiers des outils d’IA générative : mise en place d’architectures RAG, d’un serveur MCP et de chatbots dynamiques intégrés aux applications.

🌐 Projet DevCoStore

Gestion d’un parc d’une dizaine d’applications avec intégration de nouvelles solutions

Reprise d’applications existantes développées en R ou Python, et création d’applications from scratch selon les besoins métiers sur python FastAPI et Vue.js.

Cycle complet du projet : 🤝 ateliers métiers → 📝 conception (diagrammes, bases de données) → 💻 frontend/backend → 🗄️ PostgreSQL → 🔧 CI/CD GitLab → 🚀 déploiement OpenShift.

Migration Python 3.9 → 3.13 .

Développement API REST avec Go (Fiber)(->performances du back).

🤖 Projet EDF IAG - IA Générative

Mise en place d’un serveur MCP (FastMCP) pour exposer des endpoints en tools

Développement d’une IHM conversationnelle Vue.js avec affichage dynamique de blocs contextuels

Conception d’un moteur de layout intelligent basé sur le type de réponse LLM.

Structuration des réponses via LLMs (GPT, Mistral) avec injection de métadonnées (JSON Schema).

utilisables par des agents IA.

Implémentation d’une architecture RAG (Faiss) avec génération augmentée.

Intégration de LLMs open-source (LLaMA 3, Mistral) auto-hébergés via Ollama.

Orchestration multi-agents CrewAI (Researcher, Formatter, Answer).

📱 Projet Mobile – eDOAAT

Conception et développement d’une application mobile cross-platform (iOS/Android) avec React Native.

💻 :

Python, Rust, FastAPI,Go, Fiber, Vue.js 3, PostgreSQL, Kubernetes, GitLab CI/CD, LangChain, LangGraph, RAG, MCP, Ollama, Docker.

Au sein du pôle digital, participation à plusieurs projets transverses visant l'optimisation de l'existant et la création de nouvelles solutions.

️ Mise en place d'une solution transverse de gestion des logs : Conception et définition de l'architecture applicative. Centralisation et supervision des applications transverses. Mise en place d'une gestion des logs (connexion, traitements, erreurs). Développement de reporting automatisés et tableaux de bord pour le suivi qualité.