Vincent B.

Ingénieur IA appliquée / LLM et Data, je conçois des systèmes IA utiles en contexte réel : assistants métier, workflows LLM, automatisations, RAG, copilotes documentaires ou analytiques, synthèse de contenus et aide à la décision. Mon approche relie cadrage métier, rigueur industrielle et exécution technique, avec un objectif simple : transformer un besoin opérationnel en prototype testable, puis en livrable exploitable.

Depuis 2019, j’accompagne des projets IA/Data autour de Python, SQL, APIs REST, FastAPI, Docker, LangChain, LlamaIndex, embeddings, évaluation et orchestration multi-modèles. Je travaille avec des LLMs et outils comme OpenAI, Claude, Gemini, DeepSeek, LLaMA local lorsque la confidentialité est critique, ainsi qu’avec des environnements d’automatisation et de delivery tels que n8n, VS Code, Codex d’OpenAI ou OpenClaw selon le contexte. Mes cas d’usage couvrent assistants service client, support interne, synthèse web, génération de contenus, workflows IA, dashboards, classification, segmentation, prédiction et decision support.

Avant l’IA, j’ai construit une solide expérience dans des environnements industriels exigeants — Safran, Renault, PSA, Nexter — et en management data-driven chez Scalian pour Valeo, avec coordination transverse, reporting et exécution sous contrainte. Cette culture me permet de livrer des solutions sobres, mesurables, compréhensibles par les équipes métier et techniquement défendables.

J’interviens pour cadrer, prototyper et stabiliser des solutions Applied AI / GenAI / LLM / Automation qui créent rapidement de la valeur sans perdre de vue la fiabilité, la confidentialité et l’adoption utilisateur.

Avant août 2019, j’ai construit un socle solide d’ingénieur industriel dans l’automobile, l’aéronautique, le spatial, la défense et l’énergie. Mes missions ont progressivement déplacé mon activité du calcul mécanique classique vers une approche de plus en plus orientée Data : simulation numérique, corrélation calculs/mesures, traitement de signaux, structuration de données d’essais, automatisation de post-traitements, visualisation de résultats, KPI, reporting et tableaux de bord.

Chez PSA, Renault, Nexter, APCO et Safran, j’ai travaillé sur des problématiques où la donnée technique était centrale : fiabiliser des modèles, comparer des résultats, exploiter des mesures, réduire les temps de calcul et transformer des analyses complexes en décisions d’ingénierie. Chez Valeo, cette évolution s’est renforcée avec le pilotage QCDP, les KPI, l’analyse qualité/coûts/délais et le suivi projet transverse.

Ce parcours explique la cohérence de mon positionnement actuel : je ne viens pas à la Data et à l’IA par effet de mode, mais par continuité naturelle d’un parcours fondé sur la mesure, la modélisation, l’automatisation, le reporting et l’aide à la décision.