Description

Je livre des systèmes d'IA en production, pas des POC qui dorment dans un tiroir.

Je suis Nathan, spécialiste IA et systèmes agentiques. J'aide les PME et ETI à mettre l'IA au travail : agents IA, RAG, automatisation et copilotes, intégrés à vos processus et vos outils existants, branchés sur vos données et fiables en conditions réelles. Pas besoin de tout refondre : je greffe l'IA là où elle crée de la valeur, dans votre CRM, votre ERP, votre boîte mail ou vos outils métier.

Concrètement, j'interviens sur :

LLM & RAG : vos documents deviennent une base de connaissances interrogeable, avec des réponses sourcées (Claude, OpenAI, OS, pgvector)
Agents & orchestration : des agents qui exécutent de vraies tâches dans vos outils, de bout en bout (MCP, LangGraph, tool use)
Automatisation & workflows : vos tâches répétitives et vos processus existants confiés à des workflows fiables, branchés sur vos logiciels (n8n, Make, Python)
Cloud ou on-prem : déployé là où vos contraintes l'exigent, sans que vos données sortent (Docker, AWS, GCP, Azure)
Audit & optimisation : j'identifie où l'IA crée de la valeur et je réduis la facture de 30 à 70 %

Ce qui me distingue : un seul interlocuteur de l'audit au déploiement (celui qui conçoit, code et déploie), une obsession du ROI (je vous déconseille les cas qui n'en valent pas la peine), et des systèmes mesurés (evals, garde-fous, observabilité), pas des boîtes noires.

Premier échange gratuit : vous repartez au minimum avec un avis franc.

Languages

French
Native or bilingual
English
Conversational
Portuguese
Basic
Spanish
Basic

Workplace preferences

Can work on-site

Paris (up to 50km)

Kyndryl
AI Architect Intern
DIGITAL AND IT
June 2026 - Today (1 month)
Brno, Czechia
• • Built a full-stack enterprise solution for intelligent storage-capacity management and anomaly detection across heterogeneous multi-OS fleets; orchestrated LLM agents with LangGraph to explain, simplify, and prioritize detected anomalies.
• • Designed a three-engine anomaly-detection system (statistical Tukey/Theil-Sen, ML Histogram Gradient Boosting + Isolation Forest, hybrid); Python 3.12 / FastAPI backend and Next.js 16 / React 19 client (TypeScript) with interactive dashboards and automated PDF reports.
Langchain Python LangGraph Typescript FastAPI
Stellantis
Engineering Apprentice – Observability & Generative AI
DIGITAL AND IT
September 2024 - Today (1 year and 10 months)
Sochaux, France
• • Drove the shift from infrastructure observability to agentic Generative AI: designed a Model Context Protocol (MCP, fastmcp) infrastructure decoupling LLMs from information-system tool execution, with enterprise middleware (secure secrets, LLM-call observability) and a Zero Trust / SSO MCP proxy in Node.js.
• • Designed an end-to-end RAG chain and a Python service for idempotent synchronization between technical GitHub repositories and the Kibana AI Assistant knowledge base.
• • Engineered a native Ruby Logstash filter that calls an LLM during log ingestion (anomalies as structured JSON); CMSDB extraction pipelines and dynamic Ansible-inventory generation via the Elasticsearch REST API.
AI Agent RAG AI Automation Python IT-Security