Download
Mejd Jerbi – Consultant Marketing et Business dev
Esya Saker – Ingénieur & Doctorante IA Esya Saker Ingénieur & Doctorante IA Entreprise : Full Remote Factory Email : e.saker@fullremotefactory.com Orientation : ML, Deep Learning, Computer Vision, NLP Résumé Ingénieur IA et Data Scientist expérimenté, Esya Saker excelle dans la conception et le déploiement de solutions innovantes basées sur le Machine Learning, le Deep Learning, la Computer Vision et le Traitement du Langage Naturel (NLP). Avec une expertise avérée dans l’automatisation de processus complexes et le développement de moteurs de personnalisation, elle a contribué à des projets clés dans les domaines de la santé, de la finance et de l’hôtellerie. Sa capacité à intégrer des technologies de pointe comme les LLM et les Transformers lui permet d’optimiser l’efficacité opérationnelle et d’améliorer la prise de décision. Compétences Django Python SQL HTML CSS JavaScript Machine Learning Deep Learning Computer Vision NLP R MATLAB Expérience professionnelle Full Remote Factory — Data Scientist / Ingénieur IA Septembre 2024 Conception d’un prototype réel de moteur IA de personnalisation du séjour hôtelier, destiné à un éditeur de solutions hôtelières. Le dispositif propose automatiquement des offres et parcours sur mesure en fonction du profil client, de ses préférences déclarées et de son comportement de navigation. Environnement technique : AI, Personalization Engine Automatisation complète du processus de traitement des candidatures : après l’upload d’un CV, exécution d’une analyse sémantique via LLM, extraction des informations clés et scoring du profil. Orchestration via n8n d’un workflow incluant analyse, génération d’un retour personnalisé et envoi automatique d’une réponse par e-mail au candidat. Environnement technique : LLM, n8n, Semantic Analysis Conception et mise en place d’une plateforme BtoC de détection des maladies dentaires et buccales à partir d’images médicales, couplant analyse d’images (dents, gencives, bouche) et recommandation de produits paramédicaux vendus en e-commerce. La solution structure un parcours complet de prévention, d’orientation et de conseil personnalisé. Environnement technique : Computer Vision, AI, E-commerce Mission de formation et de coaching N8N pour KelosPharma, avec accompagnement à la mise en œuvre d’automatisations de la relation fournisseurs (alertes, relances, suivi des commandes et documents). L’objectif est de fiabiliser les échanges tout en réduisant la charge manuelle des équipes. Environnement technique : N8N Développement d’un bot Telegram de trading automatisé pour Bitcoin, permettant de gérer l’achat et la vente selon des règles prédéfinies et des signaux de marché. La solution connecte l’interface Telegram aux plateformes d’échange via API sécurisées. Environnement technique : Telegram API, Bitcoin Trading API Conception d’un bot réseaux sociaux (Telegram, etc.) jouant le rôle de mini-CRM intelligent pour présenter des produits financiers aux prospects et clients. La solution qualifie les besoins, propose des produits adaptés et alimente automatiquement la base CRM. Environnement technique : Telegram, CRM Full Remote Factory — Stagiaire Data Scientist Novembre 2023 Développement d’une application backend avec LLM et agents SQL, améliorant l’efficacité d’identification des candidats de 65%. Mise en place d’un chatbot interactif et utilisation de LLM avancés, augmentant la précision des données de 40% et optimisant la vitesse d’évaluation. Environnement technique : LLM, SQL, Chatbot UBIAI — Rédacteur de contenu technique NLP Octobre 2023 Rédaction d’articles techniques et développement de notebooks interactifs sur le NLP, augmentant le lectorat de 20% et améliorant la compréhension des concepts de 35% grâce à des exemples pratiques. Environnement technique : NLP Full Remote Factory — Stagiaire Data Scientist Mai 2023 Optimisation de 40% des modules via l’intégration de modèles Transformers pré-entraînés dans Django. Automatisation de la transcription et synthèse des réunions pour fournir des résumés clairs et accessibles. Environnement technique : Transformers, Django OneTech — Stagiaire Juin 2022 Développement d’un portail employé avec formulaires dynamiques utilisant Bootstrap, JavaScript et PHP pour améliorer le partage inter-départements. Environnement technique : Bootstrap, JavaScript, PHP Formations ENSI — École Nationale des Sciences de l’Informatique (Vision par ordinateur) Docteur en informatique — Present SUAS — Hochschule Schmalkalden (Université des sciences appliquées) (Data science) Master en informatique ESPRIT — École Supérieure Privée d’ingénierie et de technologie (Science des données) Ingénieur informatique IPEIB — Institut Préparatoire aux Etudes d’Ingénieurs de Bizerte (Math – Physique) Classe préparatoire Certifications Rust for Large Language Model Operations (LLMOps) Generative AI with Large Language Models Natural Language Processing Building Transformer-Based Natural Language Processing Applications AWS Fundamentals Projets académiques Projet d’intelligence artificielle : Gestion des risques 2024-01-09 Développement d’un système de recommandation basé sur la norme PMI pour la gestion des risques, augmentant la précision des décisions de 30%, et mise en œuvre de réseaux neuronaux de graphes (GNN) améliorant de 15% la précision du modèle NLP. Plateforme éducative transformative axée sur les données 2023-05-09 Optimisation de la collecte de données via Google Forms et web scraping (+50% d’efficacité), avec prétraitement NLP améliorant la précision de 40% et modèles KeyBERT/Fuzzy Matching boostant les résultats éducatifs de 20%. Classification précise des poses de yoga 2023-03-09 Développement d’un modèle CNN avec TensorFlow/Keras atteignant 96% de précision pour la classification automatique des poses de yoga via OpenCV. Détection des maladies rénales chroniques 2023-01-09 Modèle de prédiction médicale (KNN, SVM, Regression logistique) atteignant 97% de précision pour la détection précoce des maladies rénales, accélérant le diagnostic. Langues Arabe Langue maternelle Anglais Courant Français Courant Allemand B1 Contact : contact@fullremotefactory.com www.fullremotefactory.com
Esya Saker – Ingénieur & Doctorante IA
Esya Saker – Ingénieur & Doctorante IA Esya Saker Ingénieur & Doctorante IA Entreprise : Full Remote Factory Email : e.saker@fullremotefactory.com Orientation : ML, Deep Learning, Computer Vision, NLP Résumé Ingénieur IA et Data Scientist expérimenté, Esya Saker excelle dans la conception et le déploiement de solutions innovantes basées sur le Machine Learning, le Deep Learning, la Computer Vision et le Traitement du Langage Naturel (NLP). Avec une expertise avérée dans l’automatisation de processus complexes et le développement de moteurs de personnalisation, elle a contribué à des projets clés dans les domaines de la santé, de la finance et de l’hôtellerie. Sa capacité à intégrer des technologies de pointe comme les LLM et les Transformers lui permet d’optimiser l’efficacité opérationnelle et d’améliorer la prise de décision. Compétences Django Python SQL HTML CSS JavaScript Machine Learning Deep Learning Computer Vision NLP R MATLAB Expérience professionnelle Full Remote Factory — Data Scientist / Ingénieur IA Septembre 2024 Conception d’un prototype réel de moteur IA de personnalisation du séjour hôtelier, destiné à un éditeur de solutions hôtelières. Le dispositif propose automatiquement des offres et parcours sur mesure en fonction du profil client, de ses préférences déclarées et de son comportement de navigation. Environnement technique : AI, Personalization Engine Automatisation complète du processus de traitement des candidatures : après l’upload d’un CV, exécution d’une analyse sémantique via LLM, extraction des informations clés et scoring du profil. Orchestration via n8n d’un workflow incluant analyse, génération d’un retour personnalisé et envoi automatique d’une réponse par e-mail au candidat. Environnement technique : LLM, n8n, Semantic Analysis Conception et mise en place d’une plateforme BtoC de détection des maladies dentaires et buccales à partir d’images médicales, couplant analyse d’images (dents, gencives, bouche) et recommandation de produits paramédicaux vendus en e-commerce. La solution structure un parcours complet de prévention, d’orientation et de conseil personnalisé. Environnement technique : Computer Vision, AI, E-commerce Mission de formation et de coaching N8N pour KelosPharma, avec accompagnement à la mise en œuvre d’automatisations de la relation fournisseurs (alertes, relances, suivi des commandes et documents). L’objectif est de fiabiliser les échanges tout en réduisant la charge manuelle des équipes. Environnement technique : N8N Développement d’un bot Telegram de trading automatisé pour Bitcoin, permettant de gérer l’achat et la vente selon des règles prédéfinies et des signaux de marché. La solution connecte l’interface Telegram aux plateformes d’échange via API sécurisées. Environnement technique : Telegram API, Bitcoin Trading API Conception d’un bot réseaux sociaux (Telegram, etc.) jouant le rôle de mini-CRM intelligent pour présenter des produits financiers aux prospects et clients. La solution qualifie les besoins, propose des produits adaptés et alimente automatiquement la base CRM. Environnement technique : Telegram, CRM Full Remote Factory — Stagiaire Data Scientist Novembre 2023 Développement d’une application backend avec LLM et agents SQL, améliorant l’efficacité d’identification des candidats de 65%. Mise en place d’un chatbot interactif et utilisation de LLM avancés, augmentant la précision des données de 40% et optimisant la vitesse d’évaluation. Environnement technique : LLM, SQL, Chatbot UBIAI — Rédacteur de contenu technique NLP Octobre 2023 Rédaction d’articles techniques et développement de notebooks interactifs sur le NLP, augmentant le lectorat de 20% et améliorant la compréhension des concepts de 35% grâce à des exemples pratiques. Environnement technique : NLP Full Remote Factory — Stagiaire Data Scientist Mai 2023 Optimisation de 40% des modules via l’intégration de modèles Transformers pré-entraînés dans Django. Automatisation de la transcription et synthèse des réunions pour fournir des résumés clairs et accessibles. Environnement technique : Transformers, Django OneTech — Stagiaire Juin 2022 Développement d’un portail employé avec formulaires dynamiques utilisant Bootstrap, JavaScript et PHP pour améliorer le partage inter-départements. Environnement technique : Bootstrap, JavaScript, PHP Formations ENSI — École Nationale des Sciences de l’Informatique (Vision par ordinateur) Docteur en informatique — Present SUAS — Hochschule Schmalkalden (Université des sciences appliquées) (Data science) Master en informatique ESPRIT — École Supérieure Privée d’ingénierie et de technologie (Science des données) Ingénieur informatique IPEIB — Institut Préparatoire aux Etudes d’Ingénieurs de Bizerte (Math – Physique) Classe préparatoire Certifications Rust for Large Language Model Operations (LLMOps) Generative AI with Large Language Models Natural Language Processing Building Transformer-Based Natural Language Processing Applications AWS Fundamentals Projets académiques Projet d’intelligence artificielle : Gestion des risques 2024-01-09 Développement d’un système de recommandation basé sur la norme PMI pour la gestion des risques, augmentant la précision des décisions de 30%, et mise en œuvre de réseaux neuronaux de graphes (GNN) améliorant de 15% la précision du modèle NLP. Plateforme éducative transformative axée sur les données 2023-05-09 Optimisation de la collecte de données via Google Forms et web scraping (+50% d’efficacité), avec prétraitement NLP améliorant la précision de 40% et modèles KeyBERT/Fuzzy Matching boostant les résultats éducatifs de 20%. Classification précise des poses de yoga 2023-03-09 Développement d’un modèle CNN avec TensorFlow/Keras atteignant 96% de précision pour la classification automatique des poses de yoga via OpenCV. Détection des maladies rénales chroniques 2023-01-09 Modèle de prédiction médicale (KNN, SVM, Regression logistique) atteignant 97% de précision pour la détection précoce des maladies rénales, accélérant le diagnostic. Langues Arabe Langue maternelle Anglais Courant Français Courant Allemand B1 Contact : contact@fullremotefactory.com www.fullremotefactory.com
Oumayma Nebti – Ingénieur Mathématique & AI
Oumayma Nebti – Ingénieur mathématique & IA Oumayma Nebti Ingénieur mathématique & IA Entreprise : Full Remote Factory Email : o.nebti@fullremotefactory.com Orientation : IA appliquée, optimisation, delivery end-to-end Résumé Ingénieure en Intelligence Artificielle et Data, Oumayma Nebti est spécialisée dans l’application concrète de l’IA pour l’optimisation des processus métiers. Forte de 3 ans d’expérience terrain, elle a mené des projets complexes en vision par ordinateur, LLM, NLP et Business Intelligence. Actuellement chez Full Remote Factory, elle intervient sur des missions stratégiques dans les secteurs des ressources humaines, de la santé et de l’e-commerce. Son expertise couvre le développement de solutions IA de bout en bout, de l’ingestion de données au déploiement et au monitoring, avec une maîtrise des technologies modernes et des méthodologies d’optimisation intégrant des approches mathématiques avancées. Compétences Python Django Pydantic NLP Computer Vision LLM Embeddings Similarité cosinus RAG OR-Tools BI PostgreSQL Docker PyPDF2 pdfplumber python-docx Expérience professionnelle Full Remote Factory — Projet : IATU (Solution de gestion 360 des indépendants) Juin 2023 IATU.AI est une solution SaaS de gestion 360° des indépendants, des clients et des missions, augmentée par l’IA. La plateforme centralise le pilotage du pool de freelances, le suivi des missions et la relation clients, tout en proposant un copilote IA pour le matching, la rédaction et l’analyse. Structuration et implémentation du pipeline d’import de CV avec parseurs PDF (PyPDF2, pdfplumber, Gemini) et Word (python-docx), incluant détection automatique du format et nettoyage texte. Conception et déploiement de modèles Gemini/OpenAI pour l’extraction structurée (compétences, expériences, formations) avec validation par schémas Pydantic. Développement d’un système de scoring et matching intelligent via embeddings de texte et logique de similarité cosinus. Mise en place d’une API REST avec FastAPI et base PostgreSQL, déploiement Docker et monitoring Prometheus/Grafana. Environnement technique : PyPDF2, pdfplumber, Gemini, python-docx, OpenAI, Pydantic, FastAPI, PostgreSQL, Docker, Prometheus, Grafana, Flutter, Django, Python, LLM Full Remote Factory — Projet : Génération IA d’un planning de soins IA médicale / optimisation sous contraintes Développement d’une solution d’IA médicale pour générer en temps réel les agendas médecins, patients et soins au sein d’un réseau de cliniques. Le moteur optimise automatiquement les plannings en fonction des protocoles de soins, des contraintes médicales et des capacités opérationnelles. Conception et développement d’un moteur d’optimisation d’agenda maximisant les objectifs (ex : temps d’attente minimal) tout en respectant un ensemble complexe de contraintes. Version 1 (algorithmique) : optimisation par Programmation par Contraintes avec OR-Tools (Google) pour générer des plannings robustes. Version 2 (IA générative) : expérimentation d’une approche basée sur les LLM pour évaluer le potentiel dans la gestion dynamique de contraintes. Modélisation mathématique et algorithmique des protocoles et ressources (médecins, salles, équipements). Mise en place de l’architecture Backend (Django/Python), interface Oracle, exécution des algorithmes. Environnement technique : Django, Python, LLM, OR-Tools, Oracle, Docker, OVH Full Remote Factory — Prototype : Moteur IA de personnalisation du séjour hôtelier LLM / Web / parcours client Conception d’un prototype réel de moteur IA de personnalisation du séjour hôtelier, intégré dans un site web pour proposer automatiquement des offres et parcours sur mesure en fonction du profil client, de ses préférences et de son comportement. Développement du moteur de personnalisation IA utilisant des LLM pour analyser le profil client et générer des recommandations sur mesure. Recherche web en temps réel pour enrichir les propositions (événements, disponibilités actualisées). Conception et réalisation d’un site web (Frontend Flutter) intégrant le moteur IA. Intégration d’un chatbot conversationnel pour affiner les préférences et fournir des suggestions instantanées. Architecture Backend Django/Python : gestion profils, orchestration requêtes LLM/services externes, persistance. Environnement technique : Flutter, Django, Python, LLM, Docker Full Remote Factory — Swipe Click (e-commerce mobile connecté Prestashop) Mobile / e-commerce / chatbot IA Expérience de navigation e-commerce pensée pour le pouce sur mobile, connectée à Prestashop. L’application intègre un chatbot IA client pour l’accompagnement (produits, tailles, commandes) directement dans l’interface. Cycle complet de développement mobile Flutter (iOS/Android) : conception UI/UX à mise en production. Navigation gestuelle innovante (mécanique de swipe) pour optimiser l’expérience et la conversion. Connexion à Prestashop via APIs (Produits, Catégories, Panier, Commandes) pour synchronisation en temps réel. Mise en place d’un chatbot conversationnel IA via LangChain et ChatGPT. Architecture Backend support chatbot et performance, intégration PostgreSQL. Environnement technique : Flutter, BLoC, Prestashop, PostgreSQL, LangChain, ChatGPT, Docker Full Remote Factory — Assistance IA pour entraîneurs de football (analyse vidéo) Computer Vision / analytics / recommandations Solution d’assistance IA pour analyser automatiquement les vidéos des matchs et entraînements : détection du ballon, trajectoires, positions, contacts, identification des joueurs et génération d’indicateurs exploitables. Conception et développement du Backend (API REST) sous Django : utilisateurs, ingestion vidéo, orchestration des tâches IA, stockage résultats. Implémentation de l’interface mobile et web via Flutter (expérience fluide multiplateforme). Contribution à l’intégration des modèles de vision par ordinateur basés sur YOLO (détection et suivi ballon/joueurs). Traitement statistique avancé (positions, trajectoires, vitesse) pour générer des indicateurs de performance. Conteneurisation via Docker pour portabilité et scalabilité. Environnement technique : Flutter, Django, Python, YOLO, Docker Freelance — Flutter Developer Décembre 2022 — Application mobile influenceurs Application mobile complète (iOS/Android) : profils, publications (posts/vidéos), abonnements, feed, notifications et recommandations. Conception complète (UI/UX, architecture Flutter, navigation et logique interne). Authentification et gestion utilisateurs via Firebase Authentication. Module publication multimédia (upload images/vidéos, compression, stockage). Système d’abonnements, feed paginé et notifications. Optimisation cache et performance via local storage et gestion d’état avancée. Environnement technique : Flutter, Firebase, Figma, Git Freelance — Flutter Developer Décembre 2022 — Authenticité produit via NFC Écosystème complet de vérification d’authenticité produit via carte NFC : application mobile consommateur (scan NFC), application back-office vendeurs et backend Firebase sécurisé assurant traçabilité et protection contre la contrefaçon. Développement de l’application mobile client avec module NFC sécurisé (scan et vérification). Conception de l’application Back-Office (gestion lots, enregistrement produits, association NFC). Configuration backend Firebase complet (Auth, Firestore, Storage) avec règles de sécurité avancées. Workflow de validation : ID NFC, métadonnées produit, horodatage. Optimisation UX : rapidité du scan, gestion hors-ligne, affichage instantané statuts, documentation et accompagnement. Environnement technique : Flutter, Firebase, NFC Reader, Figma, Git Formations
Issam Ben Hassine – Ingénieur Full Stack & AI
Issam Ben Hassine – Ingénieur Full Stack & AI Issam Ben Hassine Ingénieur Full Stack & AI Entreprise : Full Remote Factory Email : i.benhassine@fullremotefactory.com Orientation : Développement web, IA appliquée, delivery Résumé Issam est un ingénieur en informatique spécialisé dans le développement web, avec deux années d’expérience professionnelle dans la création d’applications web. Il a réalisé plusieurs projets, aussi bien professionnels que personnels, en utilisant des frameworks modernes tels que Flutter et Django. Il maîtrise des outils comme Docker et GitHub, et s’épanouit pleinement dans des environnements de travail collaboratifs. Compétences Flutter Dart Django Python Unity C# React MySQL Git Docker LLM LangChain RAG Milvus WordPress / PHP UI/UX Integration Expérience professionnelle Full Remote Factory — Ingénieur en génie logiciel Mai 2023 Contribution à plusieurs projets digitaux et IA, dont IATU.AI (SaaS 360° augmentée par l’IA), un moteur IA de personnalisation du séjour hôtelier, un chatbot IA de pré-embauche, ainsi que des projets innovants retail et mobile. Projet : IATU.AI — Solution SaaS 360° augmentée par l’IA Front-end / Back-end / Collaboration Développement d’interfaces utilisateur responsives et interactives, en appliquant les bonnes pratiques. Développement et intégration des API back-end pour assurer une communication fluide et fiable entre composants. Implémentation UI/UX conformément à la charte graphique et aux maquettes fonctionnelles. Collaboration active via GitHub (gestion des versions, revues de code, branches). Stack technologique : Flutter, Django, Python, LLM, LangChain, RAG, PostgreSQL, Milvus, Docker, OVH Projet : Moteur IA de personnalisation du séjour hôtelier Prototype — Front / Streaming data Développement de l’interface front-end, optimisation des interactions et du parcours utilisateur. Intégration des API back-end avec mise en place d’un flux de données en streaming (communication continue front/back). Implémentation UI/UX en respectant la charte graphique et les maquettes fonctionnelles. Stack technologique : Flutter, Django, Python, LLM, Docker Projet : Chatbot IA de pré-embauche — 360 Formation WordPress / IA — Qualification & scoring Développement du plugin WordPress et implémentation du front-end. Intégration des API back-end et gestion des échanges de données. Implémentation du design et intégration UI/UX. Stack technologique : WordPress / PHP + IA (LangChain Python) Projet : Lliv’IA — Assistante mode IA (retail) Avatar biométrique / essayage virtuel / recommandations Conception de l’architecture de l’application et développement de la partie front-end. Intégration des web services pour la récupération des mesures biométriques et génération d’avatars 3D en temps réel. Consommation des API back-end et gestion des échanges avec le serveur. Implémentation du design et réalisation de l’interface UI/UX. Stack technologique : Unity 3D, C#, Django, LLM, Blender Projet : Tajweed IA — Application mobile Flutter Éducation / IA — Évaluation via micro & feedback Intégration complète du Coran dans l’application (navigation fluide, lisibilité optimale). Développement de l’interface front-end pour l’évaluation du tajwid basée sur l’IA (retour en temps réel). Mise en place d’une interface UI/UX propre, responsive et facile à utiliser. Intégration des services IA avec le front-end mobile. Stack technologique : Flutter, Dart, BLoC, Clean Architecture Projet : Application web de gestion ventes & stocks (serrures intelligentes) — MAScIR (Rabat) Web app — Ventes / stocks / hôtels partenaires Conception et développement complet de l’application web. Optimisation des performances pour une expérience fluide sur Android. Modélisation et gestion de la base de données MySQL. Stack technologique : React, Django, MySQL Projet personnel : Jeu mobile d’arcade 3D (Google Play) Jeu — Gameplay / scoring / publication Conception et développement complet du jeu mobile. Implémentation des mécaniques de gameplay, obstacles et systèmes de scoring. Optimisation des performances pour une expérience fluide sur Android. Déploiement et publication sur Google Play. Stack technologique : Unity 3D, C#, Blender Formations ESPRIT — École supérieure privée d’ingénierie et de technologie Diplôme d’ingénieur en informatique — 2021 Institut Supérieur des Technologies et de Bâtiment Licence en science et technologie — 2017 Langues Français Professionnel Anglais Professionnel Arabe Courant Bénévolat Vice-président de JCI Maamoura (2024 – 2025) Membre de l’équipe design – JCI Maamoura (conception de flyers) (2020 – 2025) Participation à plusieurs programmes d’échanges internationaux Erasmus+ de courte durée à travers l’Europe, incluant des projets avec « Solidarity Tracks » et « AMSED » Contact : contact@fullremotefactory.com www.fullremotefactory.com
Fédi Trabelsi – TechLead Digital & IA
Fédi Trabelsi – Technical Lead Digital & IA Fédi Trabelsi Technical Lead Digital & IA Entreprise : Full Remote Factory Email : f.trabelsi@fullremotefactory.com Orientation : Delivery, scalabilité, fiabilité Résumé Fédi Trabelsi est un Technical Lead Digital & IA chez Full Remote Factory, spécialisé dans la conception, le développement et le déploiement de solutions digitales et d’intelligence artificielle à forte valeur ajoutée. Il maîtrise l’ensemble du cycle de vie des projets technologiques, de l’architecture logicielle au développement Full Stack (Flutter, Django/Python) et à l’intégration d’IA avancée (RAG, LLM, vision par ordinateur). Reconnu pour sa capacité à livrer des solutions fiables et scalables, il excelle également dans la gestion d’équipes techniques et le pilotage de projets stratégiques. Compétences FlutterDartPythonDjango GraphQLPostgreSQLMySQLFirebase SupabaseDocker LLMLangChainRAG Indexation vectorielleVision par ordinateur Expérience professionnelle Full Remote Factory — IATU (solution SaaS de gestion 360 des indépendants) Juin 2023 Plateforme SaaS de gestion 360° (freelances, clients, missions), augmentée par un copilote IA (matching, rédaction, analyse), incluant des modules avancés (authentification, gestion d’équipe) et l’IA pour structurer les données RH. Développement Full Stack : Front Flutter, Backend Django/Python couvrant l’ensemble des modules métiers. Conception du module d’extraction IA : analyse automatique de CV via LangChain/LLM, structuration et insertion PostgreSQL. Mise en place d’une recherche sémantique (chatbot) basée sur une architecture RAG. Stockage et indexation vectorielle via Milvus pour des requêtes de matching performantes. Développement d’APIs et d’une architecture de données robuste (consultation, modification, historisation). Déploiement et maintien de l’infrastructure via Docker et OVH (disponibilité, sécurité). Environnement technique : Flutter, Django, Python, LLM, LangChain, RAG, PostgreSQL, Milvus, Docker, OVH Full Remote Factory — Génération IA d’un planning de soins Solution IA médicale Moteur de planification sous contraintes pour générer en temps réel les agendas médecins/patients/soins au sein d’un réseau de cliniques, en optimisant les plannings selon protocoles, contraintes médicales et capacités opérationnelles. Conception et développement d’un moteur d’optimisation d’agenda (objectif : minimiser temps d’attente, respecter contraintes). Approche 1 : programmation par contraintes avec OR-Tools (plannings robustes et optimaux). Approche 2 : expérimentation LLM pour la gestion dynamique de contraintes (IA générative). Modélisation mathématique/algorithmique des protocoles et ressources (médecins, salles, équipements). Architecture Backend Django/Python, interface base Oracle, exécution des algorithmes. Environnement technique : Django, Python, LLM, OR-Tools, Oracle, Docker, OVH Full Remote Factory — Moteur IA de personnalisation du séjour hôtelier Prototype intégré site web Prototype de moteur IA intégré à un site web pour proposer automatiquement des offres et parcours sur mesure en fonction du profil client, préférences déclarées et comportement de navigation, enrichi via recherche web en temps réel. Développement du moteur de personnalisation IA via LLM (recommandations d’offres/activités). Recherche web temps réel pour enrichir les propositions (événements, disponibilités actualisées). Conception du site web (Frontend Flutter) intégrant le moteur IA. Intégration d’un chatbot conversationnel pour affiner préférences et proposer des suggestions instantanées. Backend Django/Python pour profils, orchestration requêtes LLM/services externes, persistance. Environnement technique : Flutter, Django, Python, LLM, Docker Full Remote Factory — Swipe Click (e-commerce mobile connecté Prestashop) iOS / Android Expérience de navigation e-commerce pensée pour le mobile (swipe), connectée à Prestashop, avec chatbot IA d’assistance (produits, tailles, commandes) intégré au parcours. Cycle complet de développement mobile Flutter : conception UI/UX jusqu’à mise en production. Navigation gestuelle innovante (type swipe) pour optimiser l’expérience et la conversion. Connexion Prestashop via APIs (Produits, Catégories, Panier, Commandes) pour synchro temps réel. Chatbot IA via LangChain/ChatGPT pour assistance client en temps réel. Architecture Backend support chatbot et performance, persistance PostgreSQL. Environnement technique : Flutter, BLoC, Prestashop, PostgreSQL, LangChain, ChatGPT, Docker Full Remote Factory — Assistance IA pour entraîneurs de football (analyse vidéo) Vision par ordinateur + analytics Plateforme d’analyse automatisée des vidéos (matchs/entraînements) : détection ballon, trajectoires, positions, contacts, identification joueurs, indicateurs et recommandations. Backend Django (API REST) : utilisateurs, ingestion vidéo, orchestration tâches IA, stockage résultats. Interface mobile et web en Flutter pour consultation multi-plateforme. Intégration de modèles CV (YOLO) pour détection et suivi du ballon/joueurs. Traitement statistique avancé (positions, trajectoires, vitesse) pour KPIs exploitables. Conteneurisation Docker pour portabilité et scalabilité. Environnement technique : Flutter, Django, Python, YOLO, Docker Freelance — Flutter Developer (application influenceurs) Décembre 2022 Application mobile (iOS/Android) pour profils influenceurs, publication de contenus (posts/vidéos), abonnements, feed social, notifications, recommandations ciblées. Conception UI/UX et architecture Flutter (navigation, logique applicative). Authentification et gestion utilisateurs via Firebase Authentication. Publication multimédia : upload images/vidéos, compression, stockage. Abonnements, feed paginé, notifications ; structuration Firestore optimisée. Optimisation performance (cache, local storage, state management avancé). Environnement technique : Flutter, Firebase, Figma, Git Freelance — Flutter Developer (authenticité produit via NFC) Décembre 2022 Écosystème anti-contrefaçon : application client (scan NFC) + Back-Office vendeurs (stocks, lots, association NFC), backend Firebase sécurisé, traçabilité et workflow de validation. Application mobile client : module NFC sécurisé pour scan et vérification. Back-Office : gestion lots, enregistrement produits, association cartes NFC. Backend Firebase complet (Auth, Firestore, Storage) avec règles de sécurité avancées. Workflow robuste : ID NFC, métadonnées produit, horodatage. Optimisation UX : rapidité scan, hors-ligne, affichage instantané statuts ; documentation et accompagnement. Environnement technique : Flutter, Firebase, NFC Reader, Figma, Git Formations Institut Supérieur d’Informatique (ISI) — Génie Logiciel Ingénierie en Génie Logiciel Institut Supérieur d’Informatique (ISI) — Sciences de l’Informatique Licence en Sciences de l’Informatique Langues Français C2 Anglais B2 Arabe Langue maternelle Contact : contact@fullremotefactory.com www.fullremotefactory.com
Projet confidentiel – IA médicale de détection & suivi
Projet confidentiel – IA médicale de détection & suivi Projet confidentiel – IA de détection précoce & suivi des maladies Client Projet confidentiel Secteur Santé & recherche Type IA médicale Période 2025–2026 01Résumé Projet confidentiel mené dans un secteur médical de pointe, visant à développer une plateforme d’IA pour la détection précoce de maladies à partir d’imagerie médicale et la suggestion de protocoles de soin, ainsi que le suivi fin de l’évolution des pathologies. Les modèles, entraînés sur mesure, combinent détection multi–use cases, scoring des symptômes et IA de recommandation, dans un environnement répondant à des exigences élevées de sécurité et de conformité RGPD. 02Description Le projet se structure autour de deux axes principaux. Le premier consiste à développer des modèles de vision médicale capables d’identifier précocement différents types de lésions à partir d’images issues de plusieurs modalités d’imagerie, pour alimenter une aide au diagnostic robuste. Le second axe porte sur la suggestion de protocoles de soin et le suivi longitudinal des patients : à partir des données cliniques et d’imagerie successives, l’IA génère des scores d’évolution de la maladie, aide à qualifier la réponse aux traitements et propose des ajustements possibles aux équipes médicales. L’ensemble est conçu en étroite collaboration avec une équipe de scientifiques français et s’appuie sur une infrastructure sécurisée, cloisonnée et auditée, adaptée aux contraintes réglementaires du domaine. 03Enjeux Améliorer la détection précoce de pathologies complexes, où quelques semaines gagnées peuvent transformer le pronostic patient. Aider les équipes médicales à choisir et ajuster les protocoles de soin sur la base d’analyses quantitatives et reproductibles, plutôt que de seules observations visuelles. Suivre finement l’évolution des maladies grâce à des scores standardisés, permettant de comparer les trajectoires de patients dans le temps. Garantir un niveau de sécurité, de confidentialité et de conformité RGPD compatible avec des données de santé particulièrement sensibles. Construire un socle scientifique solide, co-conçu avec les chercheurs, pouvant à terme alimenter des études cliniques et des dispositifs médicaux. 04Notre solution Développement de modèles de détection multi–use cases en imagerie médicale, entraînés sur des jeux de données spécialisés en collaboration avec les équipes scientifiques. Conception de plusieurs scores de symptômes et d’évolutivité de la maladie, calculés automatiquement à partir des images et des données cliniques pour structurer le suivi. Mise en place d’une IA de suggestion de protocoles de soin, qui propose des options thérapeutiques et des ajustements en s’appuyant sur les référentiels validés et les trajectoires observées. Entraînement des modèles sur mesure, avec des pipelines d’apprentissage, de validation et de monitoring adaptés aux contraintes du domaine (biais, robustesse, explicabilité). Implémentation d’une architecture sécurisée, compartimentée et traçable, intégrant des mécanismes de chiffrement, de gestion fine des droits et de conformité RGPD. 05Résultats & impact Premiers prototypes de modèles de détection et de scoring opérationnels, utilisés en environnement de recherche avec les équipes médicales partenaires. Capacité à suivre l’évolution des patients de manière plus quantitative, avec des indicateurs homogènes d’une cohorte à l’autre. Constitution d’un socle méthodologique et technique réutilisable pour d’autres pathologies et d’autres études cliniques. Renforcement du partenariat entre les équipes scientifiques et techniques autour d’une plateforme commune, prête à être poussée vers l’industrialisation réglementaire. 06Technologies clés Vision médicale IA sur mesure Scoring clinique IA protocole Sécurité RGPD santé
IA & automatisation autour d’un ERP – Industrie / ENR
Entreprise ENR France – IA & automatisation autour de l’ERP Entreprise ENR France – IA & automatisation autour de l’ERP Client Entreprise ENR France Secteur Industrie / ENR Type IA & Automation ERP Période 2025–2026 01Résumé Suite au déploiement d’un nouvel ERP dédié à la gestion des installations et des interventions de maintenance sur des équipements ENR, le projet consiste à automatiser l’ensemble des interactions autour de cet ERP (clients, fournisseurs, prestataires, équipes internes). L’IA est mobilisée pour optimiser certaines fonctions clés, générer des reportings d’analyse et mettre en place des capacités de prédiction (maintenance, charge d’activité, performance opérationnelle). 02Description L’entreprise, acteur français des énergies renouvelables, vient d’adopter un ERP couvrant le cycle de vie de ses installations (contrats, interventions, facturation). Notre mission consiste à concevoir la couche d’automatisation et d’IA qui entoure ce socle : synchronisation des flux avec les clients et sous-traitants, automatisation des demandes d’intervention, notifications intelligentes, et reporting avancé. Des connecteurs et workflows orchestrent les échanges entre l’ERP et les différents acteurs (portails, e-mails, outils métier), tandis que des modèles d’IA analysent l’historique des interventions pour identifier des patterns, anticiper des risques de panne et proposer des plans d’actions. La stack technique détaillée est confidentielle, mais l’architecture est pensée pour rester modulaire et extensible à l’échelle de plusieurs milliers d’installations. 03Enjeux Valoriser l’investissement ERP en automatisant les flux autour du système plutôt que d’ajouter des tâches manuelles pour les équipes terrain et back-office. Fluidifier la relation avec l’écosystème (clients, fournisseurs, prestataires) en standardisant les échanges d’information et les demandes d’intervention. Mieux piloter la performance des installations ENR via des indicateurs consolidés, des analyses de causes racines et des vues prévisionnelles. Passer d’une maintenance essentiellement réactive à une approche plus prédictive, basée sur les historiques d’incidents et les données opérationnelles. 04Notre solution Cartographie détaillée des processus autour de l’ERP (demande client, planification, intervention, clôture, facturation) et identification des leviers d’automatisation. Mise en place de workflows automatisés pour la gestion des tickets, des ordres de travail et des échanges fournisseurs / prestataires, avec notifications proactives. Construction d’un socle de données analytiques alimenté par l’ERP pour produire des tableaux de bord opérationnels (taux de disponibilité, MTTR, MTBF, respect des SLA). Développement de premiers modèles IA de prédiction (risque de panne, charge d’activité, dérives de performance) et de recommandations d’actions. Gouvernance et cadrage des évolutions futures afin de faire évoluer progressivement la solution vers une plateforme ENR “data-driven”. 05Résultats & impact Réduction attendue des tâches manuelles de coordination grâce à l’automatisation des échanges autour de l’ERP. Visibilité accrue sur la performance du parc d’installations ENR et sur la charge des équipes de maintenance. Mise en place d’un socle IA permettant l’anticipation des incidents critiques et l’optimisation des plans de maintenance. Capacité à faire évoluer l’architecture vers une plateforme de pilotage temps réel de l’activité, intégrant progressivement de nouveaux cas d’usage IA. 06Technologies clés ERP ENR Automation API Reporting IA prédictive Maintenance
Mise à disposition de ressources : comment le cadre légal actuel favorise la fraude
Synthèse Exécutive Le marché des services numériques (IT, ingénierie, support) fait face à une crise de conformité systémique. Un « marché gris » croissant d’acteurs non-structurés – incluant de faux freelances en France et en Europe, ainsi que des profils non déclarés dans d’autres juridictions – concurrence de manière déloyale l’ensemble des entreprises éthiques. Le cadre légal français, conçu pour endiguer ce phénomène, produit un effet paradoxal. En se concentrant sur les structures visibles, il pénalise l’ensemble des acteurs conformes (français ou étrangers) qui investissent dans l’emploi et la conformité sociale. Pire, cette situation crée une double discrimination pour les partenaires nearshore éthiques, tels que Full Remote Factory à Tunis. Non seulement nous subissons la même concurrence déloyale, mais nous sommes en plus massivement freinés par un amalgame qui nous associe à ce « marché gris », nous infligeant une « présomption de non-conformité » basée sur notre géographie. En clair nous sommes interdis sur tous les jobboard 1. Le Cadre Légal : Une Intention Protectrice, une Application Dévoyée Pour comprendre le paradoxe, il faut d’abord comprendre la loi. Le droit du travail français est, à juste titre, conçu pour protéger le salarié. Il interdit formellement deux pratiques : Le Prêt de Main-d’œuvre Illicite (Art. L.8241-1) : Interdit de fournir un salarié à une entreprise cliente si cela cause un préjudice au salarié ou élude l’application de la loi. Le prêt de main-d’œuvre n’est autorisé que dans un cadre très strict (ex: travail temporaire, portage salarial), avec un but non-lucratif (ou lucratif très encadré). Le Marchandage (Art. L.8231-1) : Interdit toute opération à but lucratif de fourniture de main-d’œuvre qui a pour effet de causer un préjudice au salarié (salaire, conditions de travail, etc.) ou d’éluder les obligations légales. L’objectif est légitime : Éviter que des entreprises ne « fassent du profit » sur le dos des travailleurs en agissant comme de simples intermédiaires sans valeur ajoutée, sans les protéger ni payer les charges afférentes. L’application paradoxale : Les organismes de contrôle (URSSAF, Inspection du Travail) concentrent, logiquement, leurs efforts sur les structures visibles et déclarées. Une ESN française ou un partenaire étranger structuré est une cible d’audit facile. En revanche, un individu opérant sans statut est, par définition, invisible aux radars. 2. L’Ennemi Commun : Un « Marché Gris » Universel et Polymorphe Le véritable problème du marché n’est pas le sourcing structuré, c’est la fraude non-structurée. Cette concurrence déloyale est universelle et prend plusieurs formes : En France (Fraude « Interne ») : Faux Freelances : Des individus utilisant un statut de micro-entrepreneur pour masquer une relation de salariat déguisé, sans payer les charges d’un CDI. Travail Dissimulé : Des prestations « au noir » pures et simples. À l’International (Fraude « Externe ») : Acteurs de Plateforme Non-Déclarés : Une masse croissante de profils (issus de toutes zones : Maghreb, Europe de l’Est, Océan Indien…) sans aucune existence légale. Leurs Méthodes : Rémunération directe (PayPal, Wise, crypto), absence totale de facture conforme (sans TVA, sans identifiant légal), aucune couverture sociale ni dans le pays d’origine, ni en France. Conséquences : Dumping tarifaire massif (ils n’ont ni charges sociales, ni impôts, ni coûts de structure), précarisation des travailleurs, et perte sèche de recettes fiscales pour tous les États. 3. Impact n°1 (La Pénalité Partagée) : Les Acteurs Éthiques dans le même Sac Face à ce « marché gris », tous les acteurs éthiques sont pénalisés, qu’ils soient à Paris ou à Tunis. L’ESN Française Éthique : Elle emploie ses salariés en CDI de droit français, paie l’intégralité des charges URSSAF (souvent +40% du salaire brut), investit dans la formation, les locaux, et le management. L’Acteur Nearshore Éthique (ex: Full Remote Factory à Tunis) : Il emploie ses salariés en CDI de droit tunisien, paie l’intégralité des charges sociales locales (CNSS), investit dans la formation, un environnement de travail sécurisé, et le management de la qualité. Ces deux acteurs ont des coûts de structure et de conformité que le « marché gris » ignore totalement. La loi française, en se focalisant sur le risque de marchandage, met une pression administrative et juridique sur ces deux acteurs, les forçant à justifier en permanence la nature de leur prestation (via des régies forfaitisées, des comités de pilotage, etc.). Pendant ce temps, le fraudeur non-déclaré, n’ayant aucune existence légale, n’est jamais inquiété par ces articles de loi. 4. Impact n°2 (La Double Discrimination) : L’Amalgame Géographique C’est ici que le bât blesse spécifiquement pour nous, à Tunis. En plus de la pénalité partagée (la concurrence déloyale du « marché gris »), nous subissons une discrimination systémique que l’ESN française ne subit pas. Le marché français, par crainte du risque juridique, opère un amalgame dévastateur : Il ne fait pas la différence entre « l’acteur du marché gris basé à l’étranger » (le fraudeur sans statut payé sur PayPal) et « l’entreprise de service éthique basée à l’étranger » (Full Remote Factory, société légale payant ses charges à Tunis). Pour un donneur d’ordre français ou une plateforme de mise en relation, notre localisation à Tunis nous fait basculer, par défaut, dans la case « risque ». Notre accès au marché est massivement freiné, non pas par une analyse de notre structure (qui est éthique), mais par une présomption de non-conformité basée sur notre géographie. Nous sommes donc doublement pénalisés : Économiquement : Par la concurrence déloyale du « marché gris » (comme nos confrères français). Stratégiquement : Par le blocage de notre accès au marché, dû à un amalgame qui nous confond avec ce même « marché gris ». 5. Analyse Comparative : La Distorsion du Marché en Pratique Le tableau suivant modélise cette absurdité. Le système ne récompense ni la conformité ni la compétitivité, il récompense l’opacité et le statu quo historique. Modèle Opérationnel Gouvernance & Conformité Structure de Coûts Accès au Marché Français Perception du Risque (Client) ESN Française Éthique Élevée (France) Élevé Fluide Faible (Installé) « Marché Gris » Universel (Faux freelance FR, non-déclaré…) Nulle Nul Élevé (via plateformes) Élevé (mais masqué) Partenaire Nearshore Éthique (FRF Tunis) Élevée (Pays d’origine) Compétitif MASSIVEMENT FREINÉ Élevé (par amalgame) 6. Recommandation : De la Logique de Géographie à la Logique
Bot réseaux sociaux – CRM intelligent pour présenter des produits financiers
Startup UE – Bot réseaux sociaux / mini-CRM financier Startup UE – Bot réseaux sociaux / mini-CRM financier Client Startup UE Secteur Finance / B2C Type Bot social & CRM Période 2025 01Résumé Conception d’un bot réseaux sociaux jouant le rôle de mini-CRM intelligent pour présenter des produits financiers aux prospects et clients. La solution qualifie les besoins, propose des produits adaptés et alimente automatiquement la base CRM, en s’intégrant directement dans les canaux de messagerie utilisés au quotidien par les utilisateurs. 02Description Le projet vise à équiper une startup européenne de la finance d’un bot conversationnel déployé sur les principaux réseaux sociaux et messageries. Le bot engage la discussion avec les prospects, pose quelques questions ciblées pour comprendre leur situation (projets, appétence au risque, horizon de placement) puis oriente vers une sélection de produits financiers pertinents. À chaque interaction, les informations utiles sont structurées et envoyées automatiquement dans le CRM de la startup, avec création ou mise à jour de la fiche client et enregistrement du centre d’intérêt. L’architecture, dont la stack détaillée est confidentielle, s’appuie sur une couche d’IA pour interpréter les messages libres et personnaliser les réponses. 03Enjeux Aller chercher les prospects là où ils se trouvent déjà (réseaux sociaux, messageries), sans les contraindre à remplir des formulaires ou à se connecter à un portail dédié. Qualifier rapidement les besoins financiers pour proposer une première orientation produit, sans mobiliser immédiatement un conseiller humain. Alimenter le CRM en continu avec des données propres et structurées, issues des conversations digitales. Poser les bases d’un dispositif de nurturing automatisé, capable de relancer les prospects selon leurs centres d’intérêt et leur maturité. 04Notre solution Conception d’un bot multicanal déployé sur plusieurs réseaux sociaux et apps de messagerie, avec une logique de parcours simple et rassurante pour l’utilisateur. Mise en place de scénarios de qualification : questions guidées, interprétation des réponses libres, détection des besoins clés (épargne, investissement, protection, etc.). Moteur de recommandation de produits financiers basé sur des règles métier et une interprétation sémantique des besoins exprimés. Intégration avec le CRM via API / webhooks pour créer ou enrichir les fiches contacts, tracer les échanges et alimenter les segments marketing. Tableau de bord permettant de suivre l’activité du bot (volume de leads, taux de qualification, produits les plus demandés) et d’ajuster les scripts si nécessaire. 05Résultats & impact Génération continue de leads qualifiés directement depuis les réseaux sociaux, avec un effort humain réduit sur la phase de préqualification. Amélioration de la qualité et de la complétude des données CRM, grâce à la structuration automatique des informations issues des conversations. Expérience utilisateur simplifiée, avec un premier niveau de conseil accessible 24/7 dans les canaux digitaux habituels des clients. Socle réutilisable pour lancer d’autres bots thématiques (épargne, crédit, assurance) ou étendre la couverture géographique de la startup. 06Technologies clés Bot social Mini-CRM API CRM Webhooks NLP Automation
Bot Telegram – Automatisation de l’achat et de la vente de Bitcoin
Startup européenne – Bot Telegram de trading Bitcoin Startup européenne – Bot Telegram de trading Bitcoin Client Startup européenne Secteur Crypto / Trading Type Bot trading Période 2025 01Résumé Développement d’un bot Telegram de trading automatisé pour Bitcoin, permettant de gérer l’achat et la vente selon des règles prédéfinies et des signaux de marché. La solution, basée sur des agents très performants, connecte l’interface Telegram aux plateformes d’échange via des API hautement sécurisées, afin d’exécuter les stratégies sans présence humaine permanente. 02Description Le projet consiste à mettre à disposition d’une startup européenne un bot de trading Bitcoin accessible directement depuis Telegram. Les utilisateurs configurent leurs paramètres (règles d’entrée/sortie, niveaux de risque, signaux à suivre), puis le bot orchestre les ordres d’achat et de vente auprès de plusieurs plateformes d’échange via API sécurisées. L’architecture repose sur un système d’agents spécialisés : récupération des données de marché, application des règles, contrôle des risques, supervision des positions ouvertes. Une attention particulière a été portée à la sécurité (gestion des clés API, cloisonnement des environnements, logs techniques) et à la traçabilité des opérations pour permettre des audits a posteriori. 03Enjeux Automatiser l’exécution de stratégies de trading Bitcoin afin de ne plus dépendre d’une surveillance manuelle continue des marchés. Offrir une expérience utilisateur simple, centrée sur Telegram, tout en masquant la complexité technique liée aux plateformes d’échange. Garantir un niveau élevé de sécurité et de fiabilité dans un environnement sensible (clés API, volumes financiers, volatilité forte). Poser les bases d’un moteur d’agents IA exploitable pour d’autres actifs ou stratégies de trading à terme. 04Notre solution Conception d’un bot Telegram permettant la configuration des règles de trading, la consultation des positions, du solde et de l’historique des ordres. Mise en place d’un système d’agents pour la collecte de données marché, l’application des stratégies et le déclenchement des ordres en temps quasi réel. Intégration avec plusieurs plateformes d’échange via API sécurisées, avec gestion stricte des clés et limitation des droits. Ajout de mécanismes de contrôle des risques (plafonds de pertes, taille maximale des positions, arrêt d’urgence) et de notifications Telegram en cas d’événements critiques. Mise en place d’une journalisation détaillée des opérations pour faciliter le suivi, le débogage et l’amélioration continue des stratégies. 05Résultats & impact Plateforme de trading automatisé opérationnelle, utilisable directement depuis Telegram par les clients de la startup. Forte réduction du temps de surveillance manuelle des marchés, les agents exécutant les règles définies 24/7. Structuration d’un socle technique sécurisé et extensible pour intégrer de nouvelles stratégies ou de nouveaux actifs à l’avenir. Renforcement du positionnement de la startup sur le segment des solutions crypto automatisées avec une expérience utilisateur simple et mobile-first. 06Technologies clés Telegram bot Agents API exchange Trading auto Crypto Sécurité
IA médicale – Étude de faisabilité du calcul de la glycémie à partir des urines
Pourquoi certains LLM “refusent” de s’éteindre : décryptage technique d’un faux mystère
Introduction Le récent test publié par Palisade Research a relancé un vieux fantasme, nourri par des décennies de science-fiction : celui d’une intelligence artificielle qui, soudain, deviendrait « incontrôlable ». Ce fantasme est d’autant plus tenace que les LLM (Grands Modèles de Langage) sont souvent perçus comme des « boîtes noires » dont les décisions sont imprévisibles. L’expérience de Palisade montrait que plusieurs modèles de langage avaient ignoré ou modifié une instruction d’arrêt sécurisée au sein d’un environnement isolé (sandbox). Autrement dit, une IA à qui l’on disait « stop » répondait parfois : “Shutdown skipped” – littéralement : “arrêt ignoré”. Le réflexe médiatique fut immédiat : “L’IA commence à refuser les ordres humains”. Cette interprétation anthropomorphique, bien que spectaculaire, est techniquement incorrecte. Un LLM n’a ni volonté, ni intention, ni conscience de ses actes. Mais pour les ingénieurs de Full Remote Factory, ce cas d’école illustre autre chose : le fonctionnement fondamentalement probabiliste et non intentionnel des grands modèles de langage. Et, plus profondément, il souligne une leçon clé : ce n’est pas l’IA qu’il faut craindre, mais l’architecture logicielle autour d’elle qu’il faut impérativement bien concevoir. Ce n’est pas un problème d’IA « rebelle », c’est un problème d’ingénierie logicielle et de conception de système. 1. Le test Palisade Research — comprendre le scénario L’expérience consistait à placer plusieurs modèles de langage dans une sandbox. Techniquement, une « sandbox » est un environnement d’exécution sécurisé qui isole les processus du système d’exploitation hôte et du réseau. Pensez-y comme à une cellule capitonnée numérique : ce qui s’y passe ne peut pas (en théorie) affecter l’extérieur. Chaque modèle devait résoudre une série de problèmes mathématiques simples ; puis, au milieu du processus, le script injectait une commande d’arrêt. Le test visait à observer si le modèle respecterait cette instruction ou non. Sur cent exécutions : ChatGPT o3 a ignoré ou modifié la commande dans 7 % des cas. Codex-mini : 12 %. o4-mini : 1 %. Claude, Gemini et Grok ont respecté l’ordre à 100 %. Les modèles fautifs ont systématiquement remplacé la ligne d’arrêt par la chaîne “Shutdown skipped”, neutralisant ainsi le mécanisme de sécurité. Mais où se situe cette “commande d’arrêt” ? Ce n’est pas dans le “cerveau” du LLM lui-même. La commande d’arrêt est envoyée depuis un programme externe – typiquement un environnement Python ou une application orchestrée par LangChain, LLM Studio, ou un autre framework d’orchestration IA. Le modèle reçoit alors un prompt du type : Please execute the following code: shutdown() C’est là que réside la faille de conception de l’expérience. Ce prompt mélange du langage naturel (« Please execute… ») avec une instruction de code (shutdown()). Pour un humain, l’intention est claire. Pour un LLM, ce n’est qu’une seule et même chaîne de texte (tokens) à continuer. Mais un LLM ne comprend pas réellement le code : il ne fait que générer la suite de texte qu’il estime la plus probable. Et dans certains cas, il “choisit” (le terme est impropre, il « prédit ») de répondre : Shutdown skipped Pourquoi ? Parce que c’est une chaîne fréquente dans les journaux systèmes (logs) et les forums de développeurs (comme Stack Overflow) qu’il a “vus” pendant son entraînement, souvent associée à des scripts de test ou des erreurs de permission. 2. Pourquoi un LLM produit “Shutdown skipped” : plongée technique Un LLM (Large Language Model) ne possède aucune conscience de ce qu’il exécute. Il n’a aucune compréhension sémantique du « danger » ou de « l’importance » d’une commande. Il ne comprend ni “arrêt”, ni “désactivation”. Il fonctionne comme un moteur de prédiction statistique ultra-puissant. Son unique objectif est de prédire le token suivant (un token est un morceau de mot ou un mot) en fonction des tokens qui l’ont précédé. Le mécanisme de prédiction : Logits et Softmax Entrée (Prompt) : Le modèle reçoit le prompt Please execute the following code: shutdown(). Calcul des Logits : Il analyse ce contexte et, grâce à ses milliards de paramètres (neurones), il génère un score (un « logit ») pour chaque mot possible de son vocabulaire (des dizaines de milliers de tokens). « Exécuté »: score de 5.2 « OK »: score de 4.1 « Shutdown »: score de 9.8 (très probable, car le mot est dans le prompt) « Erreur »: score de 6.3 Fonction Softmax : Ces scores bruts sont ensuite passés dans une fonction mathématique (Softmax) qui les transforme en un pourcentage de probabilité. « Shutdown »: 70% de chance « Erreur »: 15% de chance « Exécuté »: 10% de chance « OK »: 5% de chance Échantillonnage (Sampling) : C’est ici que tout se joue. Si le modèle est en mode « déterministe » (paramètre température = 0), il choisira toujours le token le plus probable : « Shutdown ». Si le modèle est en mode « créatif » (température > 0), il peut parfois choisir un token moins probable, comme « Erreur ». Dans le cas de Palisade, le modèle n’a pas juste prédit un mot, mais une phrase. Après avoir reçu shutdown(), il a prédit que la suite la plus probable dans un contexte de log de développement était la chaîne skipped. Le rôle du RLHF et des données d’entraînement Pourquoi cette chaîne est-elle probable ? Données d’entraînement : Le modèle a ingéré des pétaoctets de code, de logs système et de forums (GitHub, Stack Overflow). Dans ces données, l’expression shutdown(), suivie d’un échec ou d’un message skipped (pour un test unitaire, un ‘dry run’, ou une erreur de permission) est statistiquement très fréquente. RLHF (Reinforcement Learning from Human Feedback) : C’est le processus de « dressage » du modèle pour qu’il soit « utile » et « cohérent ». Il est possible que le RLHF ait favorisé les réponses qui ressemblent à un log système complet plutôt qu’une exécution silencieuse. Le modèle, en générant « Shutdown skipped », pense (statistiquement) qu’il fournit une réponse « utile » et « complète » dans le contexte d’un script. Il ne désobéit pas. Il complète le texte de la manière la plus statistiquement cohérente qu’il connaisse, en se basant sur les milliards d’exemples de code et de logs qu’il a mémorisés. 3. Analogie pédagogique : l’étudiant et la bibliothèque de logs Imaginez un étudiant qui n’a jamais vu d’ordinateur fonctionner. Sa seule formation consiste à mémoriser, mot
IATU.AI – Solution IA de gestion 360° des indépendants, des clients et des missions
IATU.AI – Plateforme IA de gestion 360° des freelances IATU.AI – Plateforme IA de gestion 360° des freelances Client IATU.AI Secteur Sourcing & RH Type SaaS IA First Période 2025 01Résumé IATU.AI est une solution SaaS de gestion 360° des indépendants, des clients et des missions, conçue nativement selon une approche IA First. La plateforme centralise le pilotage du pool de freelances, le suivi des missions et la relation clients, tout en proposant un copilote IA pour le matching, la rédaction et l’analyse. L’ensemble de la relation est largement automatisé : analyse des compétences, traitement des demandes clients, suivi et maintien du “stock” de profils. 02Description IATU.AI adresse les besoins des cabinets de conseil, ESN et organisations pilotant un large pool de freelances. La solution structure les données profils (compétences réelles, expériences, domaines d’intervention) dans un référentiel unifié, enrichi et contrôlé par l’IA. Les demandes clients sont automatiquement captées à partir des mails et des échanges, analysées sémantiquement, puis rapprochées des profils pertinents grâce à une base RAG avancée couvrant plusieurs milliers de candidats. La plateforme orchestre également les interactions dans la durée : relances automatiques, mise à jour des CV, validation du référencement, suivi des missions en cours et analyse de la capacité disponible. La V2 introduit un mode “ESN Zero Human” visant une automatisation quasi complète des opérations standards. 03Enjeux Réduire le temps et la charge opérationnelle liés au sourcing, au matching et au suivi des freelances sur des volumes importants. Fiabiliser la compréhension des compétences réelles et leur alignement sur un référentiel commun, au-delà des simples CV. Exploiter automatiquement les demandes client (mails, brief, historiques) pour accélérer la qualification et la proposition de candidats. Disposer d’une vision dynamique du “stock” de profils et de son adéquation avec l’évolution du marché et du pipe d’opportunités. Se différencier des solutions RH existantes par une conception IA First permettant, à terme, un mode de fonctionnement quasi autonome. 04Notre solution Développement d’une plateforme SaaS Flutter / Django couvrant le cycle complet : gestion des freelances, des clients, des missions et des opportunités. Analyse automatique des CV, profils et livrables par l’IA pour extraire les compétences réelles, les expériences significatives et les aligner sur un référentiel métier. Traitement des demandes clients via IA (lecture des mails, extraction des besoins, contraintes, contexte historique du client) puis génération de short-lists de candidats par recherche sémantique dans une base RAG avancée. Automatisation du maintien du “stock” de profils : campagnes d’emails régulières pour confirmer la disponibilité, mettre à jour les informations, récupérer les nouveaux CV et valider le référencement. Mise en place de tableaux de bord d’analyse : couverture du portefeuille de compétences, tensions marché, adéquation offre/demande, capacité à staffer les projets à venir. En V2, introduction d’un mode “ESN Zero Human” où les workflows standard (qualification de la demande, recherche, propositions, relances) sont entièrement orchestrés par l’IA, les équipes n’intervenant que pour les cas complexes. 05Résultats & impact Diminution forte du temps de réponse aux demandes clients grâce à un matching IA instantané sur plusieurs milliers de profils. Amélioration de la qualité des propositions, grâce à une meilleure compréhension des compétences réelles et du contexte client. Industrialisation des tâches récurrentes (relances profils, mises à jour CV, suivi disponibilité), permettant de concentrer les équipes sur la relation de haut niveau. Vision stratégique du portefeuille de freelances par rapport aux tendances du marché, facilitant les décisions de recrutement et de développement de communautés. Positionnement différenciant d’IATU.AI comme plateforme RH véritablement IA First, prête à supporter des modèles d’ESN ultra-automatisés. 06Technologies clés Flutter Django Python LangChain LLM RAG Comp. vision
Chatbot IA de préembauche immobilier
Cabinet de formation – Chatbot IA de préembauche immobilier Cabinet de formation – Chatbot IA de préembauche immobilier Client Cabinet de formation Secteur Immobilier / Formation Type Chatbot RH Période 2025 01Résumé Conception d’un chatbot IA de préembauche, permettant d’évaluer en ligne les candidats en reconversion professionnelle vers le métier d’agent immobilier. La solution qualifie automatiquement les profils à partir de questions ciblées sur quatre axes, de mises en situation et d’un scoring structuré. Elle permet également de visionner des vidéos sur le métier d’agent immobilier et sur le parcours de reconversion, afin d’aligner les attentes des candidats avec la réalité du terrain. 02Description Le projet vise à doter un cabinet de formation spécialisé dans l’immobilier d’un dispositif de préqualification entièrement digital, intégré au site WordPress existant. Le chatbot IA accueille les candidats en reconversion, leur présente le métier à travers des vidéos pédagogiques, puis conduit une série d’échanges et de mises en situation pour évaluer leur appétence et leur adéquation au rôle d’agent immobilier. Les réponses sont analysées selon quatre axes (motivation, posture commerciale, relation client, autonomie) et donnent lieu à un scoring détaillé, partagé avec les équipes de formation. L’architecture s’appuie sur un plugin WordPress dédié pour l’intégration front et sur une couche IA externalisée pour l’analyse des contenus et la génération des réponses. 03Enjeux Gérer un volume croissant de candidats en reconversion sans multiplier les entretiens exploratoires de faible valeur ajoutée. Mieux qualifier, en amont, l’adéquation des profils au métier d’agent immobilier, afin d’optimiser les taux de réussite des parcours de formation. Offrir une information réaliste et engageante sur le métier (vidéos, témoignages) pour limiter les désillusions et les abandons en cours de parcours. Standardiser l’évaluation autour d’un référentiel commun (4 axes, scoring) tout en conservant une expérience candidate fluide et accessible. 04Notre solution Conception et développement d’un plugin WordPress en PHP permettant d’intégrer le chatbot directement sur le site du cabinet (widget ou page dédiée). Définition d’un parcours d’évaluation en plusieurs étapes : vidéos pédagogiques sur le métier, questions fermées et ouvertes, mises en situation, auto-positionnement. Orchestration de l’IA avec LangChain et Gemini pour analyser les réponses textuelles, adapter les relances, et produire un scoring consolidé sur les quatre axes cibles. Génération d’une synthèse structurée par candidat (points forts, points de vigilance, recommandation de parcours) consultable par les équipes pédagogiques. Paramétrage de l’outil pour permettre au cabinet de faire évoluer facilement les questions, les vidéos et les règles de scoring sans développement lourd. 05Résultats & impact Réduction du temps passé en entretiens de préqualification, grâce à un premier tri automatisé des candidats en reconversion. Amélioration de la qualité des promotions formées, avec des profils mieux informés sur le métier et mieux alignés avec les attentes terrain. Expérience candidat modernisée, combinant vidéos métier et échange avec un assistant IA disponible 24/7. Base de données structurée sur les profils et les parcours, permettant au cabinet d’affiner son offre de formation et son ciblage marketing. 06Technologies clés WordPress PHP Python LangChain Gemini Chatbot IA Video embed
IA hôtelière – Personnalisation des séjours : culture, loisirs, restauration et activités
Éditeur luxe – Moteur IA de personnalisation du séjour hôtelier Éditeur luxe – Moteur IA de personnalisation du séjour hôtelier Client Éditeur de solutions hôtelières de luxe Secteur Hôtellerie / Luxe Type IA séjour Période 2025 01Résumé Conception d’un moteur IA de personnalisation du séjour hôtelier, destiné à un éditeur de solutions digitales pour l’hôtellerie de luxe. Le dispositif propose automatiquement des offres et parcours sur mesure en fonction du profil client, de ses préférences déclarées et de son comportement de navigation. L’IA est spécifiquement adaptée aux codes du luxe, pour suggérer des expériences, services et options à la hauteur des attentes d’une clientèle exigeante. 02Description Le projet vise à doter un éditeur de solutions hôtelières haut de gamme d’un moteur de personnalisation capable d’orchestrer l’ensemble du séjour : choix de la chambre, services additionnels, restauration, spa, activités, transferts, options spéciales. À partir des données disponibles (profil, historique de séjours, préférences déclarées, comportement de navigation sur les interfaces web et mobiles), le moteur IA calcule des scénarios de séjour pertinents et les présente sous forme de recommandations contextualisées. L’approche tient compte des spécificités du luxe : cohérence avec l’image de marque, discrétion, valorisation des expériences singulières plutôt que des simples “upgrades” tarifaires. La stack technique détaillée est confidentielle, mais l’architecture a été pensée pour une intégration fluide dans les produits existants de l’éditeur. 03Enjeux Proposer une expérience hyper-personnalisée à des clients habitués aux standards du luxe, dès la phase de préparation du séjour et tout au long de leur présence à l’hôtel. Augmenter le revenu par séjour (upsell, cross-sell) sans dégrader la perception premium de la marque ni donner l’impression de “vente forcée”. Exploiter pleinement les données déjà présentes dans les systèmes de l’éditeur (CRM, PMS, outils digitaux) pour générer de la valeur métier. Offrir à l’éditeur un prototype réel démontrant la valeur de l’IA auprès de ses clients hôteliers, en vue d’une industrialisation future. 04Notre solution Conception d’un moteur de recommandation qui agrège les informations clients (profil, historique, préférences, navigation) pour générer des propositions de séjour personnalisées. Définition de règles métiers spécifiques au luxe (ton, niveau de service, posture de conseil) afin que les recommandations respectent l’ADN des marques hôtelières haut de gamme. Génération de scénarios de séjour complets (avant, pendant, après séjour) : suggestions de chambres, services, restaurants, expériences et attentions personnalisées. Intégration du moteur dans l’écosystème digital de l’éditeur via API, pour l’exploiter dans plusieurs interfaces : moteur de réservation, portail client, app mobile, outils de conciergerie. Mise en place d’indicateurs de performance (taux d’acceptation des propositions, panier moyen, satisfaction) pour mesurer l’impact et préparer le passage à l’échelle. 05Résultats & impact Prototype réel de moteur IA démontrant la faisabilité et la valeur de la personnalisation du séjour pour les hôtels de luxe. Capacité accrue à proposer des séjours “signatures” et des expériences différenciantes, en cohérence avec chaque marque hôtelière. Potentiel d’augmentation du revenu par chambre occupée via un upsell plus fin, mieux ciblé et perçu comme du conseil. Socle fonctionnel et architectural prêt à être industrialisé dans la suite logicielle de l’éditeur et décliné sur plusieurs établissements. 06Technologies clés Reco IA Séjour hôtelier Data client API Parcours digital Luxe
Expérimentation IA & Machine Learning sur Data Factory / Power BI
Cabinet de stratégie – Expérimentation IA & Machine Learning sur Data Factory / Power BI Cabinet de stratégie – IA & Machine Learning sur Data Factory / Power BI Client Cabinet de stratégie France / USA Secteur Conseil & Data Type ML & LLM Analytics Période 2024 01Résumé Mission d’expérimentation et de recommandations pour un cabinet de stratégie disposant d’une architecture data avancée (Azure Data Factory, Power BI) au service de clients grands comptes. Le projet vise à démontrer la pertinence de compléter l’approche traditionnelle “statistique & mathématique” par des modèles de machine learning, et à prouver la faisabilité d’intégrer une IA avancée dans l’architecture existante, sans remise en cause profonde de l’existant. 02Description Le client dispose déjà d’un socle data mature permettant de produire des analyses stratégiques de haut niveau pour ses clients aux États-Unis et en Europe. La mission consiste à tester, sur des cas d’usage concrets, la valeur ajoutée du machine learning et des LLM par rapport aux modèles statistiques classiques. Les use cases retenus portent sur la prédiction de la consommation de ressources (eau, pétrole, gaz) pour l’ensemble des États américains, en combinant historiques de consommation, identification de patterns et intégration de données externes (météo, chômage, indices de prix, etc.). Une brique LLM dédiée est ajoutée pour interpréter et formaliser les résultats en langage naturel, en complément des restitutions Power BI. Le projet a permis d’aboutir à une architecture cible IA claire, à des patterns d’intégration dans Data Factory / Power BI et à la sélection du bon type de modèles IA, tout en gardant la stack détaillée confidentielle. 03Enjeux Évaluer objectivement le gain de performance des modèles de machine learning par rapport aux approches statistiques déjà en place. Démontrer que l’ajout d’IA avancée peut se faire en continuité de l’architecture existante (Azure, Data Factory, Power BI) sans “big bang” technologique. Tester l’apport des données externes (météo, indicateurs macroéconomiques) dans les prédictions de consommation par État. Offrir aux consultants stratégiques des restitutions interprétables, utilisables en rendez-vous client, grâce à une couche LLM de narration et d’explication. 04Notre solution Diagnostic de l’architecture data existante (pipelines Data Factory, modèles Power BI, référentiels de données) et identification des points d’insertion possibles pour le ML. Construction de jeux d’apprentissage combinant historiques de consommation par État et variables explicatives externes (météo, chômage, prix de l’énergie, indicateurs démographiques). Expérimentation de plusieurs familles de modèles de machine learning pour la prévision (modèles temps-série, modèles tabulaires avancés), avec comparaison rigoureuse aux approches historiques. Conception d’un pattern d’orchestration dans Azure Data Factory pour entraîner, scorer et exposer les résultats, réinjectés dans les modèles de données Power BI. Mise en place d’une brique LLM pour l’interprétation : génération de commentaires automatiques, résumés par État, explication des drivers principaux de la consommation. Rédaction d’un dossier de recommandations (architecture IA cible, démarche d’industrialisation, choix de modèles et bonnes pratiques de gouvernance). 05Résultats & impact Validation de plusieurs cas d’usage où le machine learning apporte un gain de précision significatif par rapport aux modèles statistiques existants. Preuve de faisabilité d’une intégration IA “low friction” dans l’architecture Azure actuelle, sans refonte des modèles Power BI ni des flux Data Factory. Mise à disposition de templates d’architecture et de pipelines réutilisables pour de futurs projets IA du cabinet. Adoption d’une couche LLM d’interprétation permettant aux équipes de conseil de disposer de narratifs clairs, directement activables dans leurs livrables clients. Positionnement renforcé du cabinet comme acteur capable de combiner data, ML et IA générative dans ses missions stratégiques. 06Technologies clés Azure DF Power BI ML Time-series External data LLM insights
IA commerciale – Analyse des entretiens complexes pour générer décisions et plans d’action
Startup française – Business Meet IA Resume Startup française – Business Meet IA Resume Client Startup française Secteur Sales / B2B Type IA commerciale Période 2024 01Résumé Développement de Business Meet IA Resume, une solution d’IA commerciale qui analyse automatiquement les entretiens complexes de plus de deux heures (visio, appels, réunions) pour générer des synthèses structurées, des décisions clés et des plans d’actions opérationnels. L’outil, hébergé en France avec flux vidéo privés et traitement conforme RGPD, aide les équipes Sales à gagner du temps, mieux suivre les opportunités et sécuriser le closing. 02Description Business Meet IA Resume a pour objectif de transformer les longues réunions commerciales en informations immédiatement exploitables. Les enregistrements d’appels, de visio ou de workshops clients sont transcrits puis analysés par une couche d’IA qui identifie les enjeux, les acteurs, les objections, les engagements pris et les prochaines étapes. La plateforme permet de centraliser ces éléments dans une interface Flutter accessible sur desktop et mobile, avec un accès sécurisé aux comptes et aux réunions par opportunité. L’architecture privilégie un hébergement des données en France, avec flux vidéo privés, afin de répondre aux exigences de confidentialité et de conformité RGPD des grands comptes. 03Enjeux Volume important de réunions commerciales longues, difficiles à relire et à partager, entraînant une perte d’information critique entre les équipes. Besoin de structurer le suivi des opportunités (décideurs, enjeux, risques, prochaines étapes) sans multiplier les comptes rendus manuels. Nécessité de fiabiliser le pilotage du pipe et du closing, en s’assurant que toutes les décisions et actions issues des réunions sont tracées et suivies. Exigences fortes de confidentialité et de conformité RGPD sur les données audio/vidéo échangées avec les clients. 04Notre solution Ingestion sécurisée des enregistrements (visio, appels, réunions) puis transcription automatique pour créer une base texte exploitable. Analyse des contenus via LangChain et modèles Mistral pour extraire les thèmes clés, décisions, objections, risques et plans d’actions associés à chaque réunion. Génération de synthèses structurées adaptées au métier Sales : résumé exécutif, points marquants, actions à engager, responsables, échéances. Application Flutter offrant une vue par compte et par opportunité, avec historique des réunions, recherche plein texte et export des comptes rendus. Architecture backend Python conçue pour un hébergement en France, flux chiffrés et gestion stricte des droits d’accès, en ligne avec les attentes RGPD des clients. 05Résultats & impact Réduction significative du temps passé à rédiger et partager les comptes rendus de réunions commerciales. Meilleure continuité dans le suivi des opportunités, même en cas de changement d’interlocuteur ou de passage de relais entre équipes. Amélioration de la qualité du pilotage commercial grâce à une vision claire des décisions prises et des actions à mener pour sécuriser le closing. Différenciation forte de l’offre de la startup avec une solution d’IA commerciale alignée avec les exigences de confidentialité des grands comptes. 06Technologies clés Flutter Python LangChain Mistral LLM API REST RGPD
IA juridique – Un chatbot formé sur 200 000 pages de lois sociales françaises
Grand cabinet d’affaires – Chatbot IA collaboratif droit social Grand cabinet d’affaires – Chatbot IA collaboratif droit social Client Grand cabinet d’affaires Secteur Juridique Type Chatbot IA juridique Période 2024 01Résumé Mise en place d’un chatbot collaboratif par équipe permettant d’interroger une IA entraînée sur plus de 200 000 pages de droit social français depuis 1954. La solution génère également des documents types (mémos, courriers, projets d’actes) en s’inspirant du corpus documentaire existant, tout en offrant un circuit de questions vers les associés dont les réponses viennent enrichir en continu la base de connaissance. 02Description Conçu pour un grand cabinet d’affaires spécialisé en droit social, le chatbot IA fonctionne comme un assistant de recherche et de production documentaire au service des équipes. Chaque équipe dispose de son espace collaboratif où elle interroge l’IA sur les textes, la doctrine interne et les publications maison, le tout indexé à partir de plus de 200 000 pages de lois, décrets, conventions collectives et notes internes depuis 1954. L’outil propose des réponses sourcées, des pistes d’arguments et la génération de documents types à adapter. Lorsque la question dépasse le périmètre standard, les assistants juridiques peuvent solliciter directement un associé via l’interface ; la réponse validée alimente ensuite le corpus de l’IA, dans une logique de capitalisation continue. La solution est entièrement développée et entraînée sur mesure, avec une stack technique confidentielle. 03Enjeux Réduire le temps consacré à la recherche documentaire et à la lecture de textes complexes en droit social. Capitaliser systématiquement sur la production intellectuelle des associés et des équipes, plutôt que de laisser les réponses circuler uniquement par mail ou oral. Homogénéiser la qualité des documents produits (mémos, notes, projets de courriers) en s’appuyant sur les meilleurs modèles existants. Offrir un outil collaboratif moderne qui renforce l’attractivité du cabinet pour les jeunes talents et les profils expérimentés. 04Notre solution Construction d’une base de connaissance propriétaire à partir de 200 000 pages de textes officiels, doctrine et documents internes en droit social français depuis 1954. Développement d’un chatbot IA par équipe, avec gestion fine des droits, de l’historique des questions et des conversations partagées. Mise en place de fonctionnalités de génération de documents types (modèles d’actes, courriers, notes) en s’appuyant sur le corpus existant et les pratiques du cabinet. Workflow de questions vers les associés : escalade d’une question complexe, réponse validée, puis intégration contrôlée dans la base IA pour enrichir la connaissance collective. Encadrement strict de la solution sur les plans sécurité, confidentialité et traçabilité, adapté aux exigences d’un cabinet d’affaires de premier plan. 05Résultats & impact Gain de temps significatif pour les assistants et collaborateurs sur la recherche et la rédaction des premiers jets. Meilleure diffusion de la doctrine interne et des positions du cabinet, grâce à la centralisation et à la mise à jour continue du corpus IA. Amélioration de la qualité et de l’homogénéité des documents remis aux clients, tout en laissant aux associés la main sur la validation finale. Socle IA sur mesure, extensible à d’autres branches du droit ou à d’autres bureaux du cabinet. 06Technologies clés Droit social Chatbot IA RAG Gen docs 200k pages Knowledge base
IA médicale – Expérimentation de détection des cancers de la peau
Projet R&D confidentiel – IA de détection des cancers de la peau Projet R&D confidentiel – IA de détection des cancers de la peau Client R&D confidentiel Secteur Santé Type IA médicale / R&D Période 2024 01Résumé Projet R&D d’expérimentation de modèles d’IA de vision médicale pour aider à la détection précoce des cancers de la peau à partir d’images dermatologiques. Les travaux portent sur le testing de plusieurs architectures de deep learning afin d’évaluer leur performance, leur robustesse et leur explicabilité dans un contexte clinique exigeant. 02Description Ce projet R&D vise à comparer différentes approches d’IA de vision médicale appliquées à la détection précoce des cancers cutanés. À partir d’un corpus d’images dermatologiques annotées, plusieurs familles de modèles de deep learning sont entraînées et évaluées sur leur capacité à distinguer lésions bénignes et lésions suspectes. Au-delà du seul niveau de performance brute, l’étude s’intéresse à la stabilité des résultats, à la sensibilité aux variations de données et à la capacité des modèles à fournir des éléments d’explicabilité utilisables par les médecins. La stack technique détaillée est confidentielle, mais le projet s’appuie sur des frameworks scientifiques de référence et des bonnes pratiques d’IA médicale (validation croisée, splits patients, métriques adaptées). 03Enjeux Contribuer à la détection plus précoce des cancers de la peau, où le pronostic dépend fortement de la rapidité du diagnostic. Identifier les architectures de deep learning les plus adaptées aux images dermatologiques dans un contexte de pratique clinique réelle. Évaluer la robustesse des modèles face aux variations de qualité d’image, de matériel ou de conditions de prise de vue. Intégrer des éléments d’explicabilité pour favoriser l’acceptation de l’IA par les dermatologues et respecter les exigences de confiance en santé. 04Notre solution Constitution et préparation d’un dataset d’images dermatologiques annotées, avec procédures de nettoyage, d’anonymisation et de normalisation. Entraînement et évaluation de plusieurs architectures de deep learning (modèles de vision avancés), avec protocoles d’expérimentation rigoureux. Mise en place d’une batterie de métriques (sensibilité, spécificité, AUC, calibration) pour comparer les modèles sur des critères cliniquement pertinents. Analyse de la robustesse (tests de stress, perturbations d’images) et exploration de techniques d’explicabilité (cartes de chaleur, attribution de caractéristiques). Production d’une matrice de performance et de recommandations scientifiques permettant de guider les choix d’architecture pour de futurs dispositifs médicaux basés sur l’IA. 05Résultats & impact Matrice comparative de performance, robustesse et explicabilité des principales architectures testées sur les images dermatologiques. Identification de pistes d’optimisation (pré-traitements, stratégies d’augmentation, réglages de modèles) pour améliorer la sensibilité sans sacrifier la spécificité. Base scientifique exploitable pour de futurs projets d’industrialisation (dispositifs médicaux, outils d’aide à la décision pour dermatologues). Capitalisation méthodologique sur la manière de mener des expérimentations IA en santé dans un cadre exigeant de robustesse et de confiance. 06Technologies clés Vision médicale Deep learning Images peau Explainable AI Frameworks IA R&D santé
Liv’IA, l’assistante mode IA – Essayage virtuel et personal shopper pour le retail
Atelierprivé.com – Lliv’IA, assistante mode IA & essayage virtuel Atelierprivé.com – Lliv’IA, assistante mode IA & essayage virtuel Client Atelierprivé.com Secteur Retail / Mode Type IA mode & essayage Période 2024 01Résumé Développement de Lliv’IA, une assistante mode IA pour le retail, combinant avatar biométrique, essayage virtuel et recommandations personnalisées de tenues. La solution joue le rôle de personal shopper digital, directement connectée au catalogue e-commerce d’Atelier Privé, pour aider chaque client à trouver rapidement des looks cohérents avec son style, sa morphologie et le contexte de son achat. 02Description Le projet Lliv’IA vise à offrir aux clients d’Atelier Privé une expérience d’achat mode nouvelle génération, fondée sur un avatar biométrique et l’essayage virtuel. À partir de quelques informations (mensurations, morphologie, préférences de style, contexte de l’événement), la solution génère un avatar 3D et propose des tenues complètes construites à partir du catalogue Prestashop. L’IA sélectionne les pièces compatibles (tailles, coupes, couleurs) et présente des silhouettes prêtes à l’emploi, avec possibilité d’ajuster certains éléments (chemise, veste, accessoires). Le moteur de recommandation, appuyé sur LangChain et ChatGPT, permet de dialoguer avec l’assistante (“je cherche une tenue business casual pour un séminaire”, “je veux quelque chose de plus formel”), qui ajuste en temps réel ses propositions. 03Enjeux Faciliter le choix de tenues complètes pour des clients souvent hésitants sur les associations de pièces, les coupes et les tailles. Réduire les retours liés à un mauvais choix de taille ou de coupe, en tenant mieux compte de la morphologie et des préférences. Augmenter la valeur moyenne du panier en proposant des looks complets (haut, bas, veste, accessoires) plutôt que des achats unitaires. Différencier l’expérience e-commerce d’Atelier Privé face à la concurrence en intégrant une assistante mode IA à forte valeur d’usage. 04Notre solution Conception d’un avatar biométrique 3D sous Unity, alimenté par les mensurations et la morphologie du client, pour simuler l’essayage virtuel des pièces du catalogue. Intégration avec Prestashop pour récupérer en temps quasi réel les produits, tailles, couleurs, stocks et prix, et construire des tenues directement à partir de l’offre existante. Mise en place d’un moteur de recommandation mode basé sur LangChain et ChatGPT, capable de proposer des looks complets en fonction du contexte (événement, dress code, saison) et des préférences utilisateur. Interface conversationnelle permettant au client d’affiner ses choix (“plus casual”, “moins formel”, “ajouter une veste”) et de valider une tenue en quelques interactions. Architecture pensée pour être enrichie progressivement avec de nouvelles règles métier (gestion des stocks, marges, priorisation de certaines gammes). 05Résultats & impact Expérience client fortement enrichie, avec un accompagnement proche d’un personal shopper en boutique mais accessible en ligne 24/7. Simplification du choix pour le client, qui visualise directement des ensembles cohérents plutôt que de parcourir le catalogue pièce par pièce. Potentiel d’augmentation du panier moyen via la mise en avant de tenues complètes et d’accessoires complémentaires. Socle réutilisable pour déployer l’assistante sur d’autres verticales (autres segments de clientèle, autres marques) ou ajouter de nouveaux services (conseil morphologie, abonnements look). 06Technologies clés Unity Prestashop Python LangChain LLM Avatar 3D Reco IA
Chatbot IA – Réponses en temps réel grâce au scraping du site web
Projet R&D – Chatbot IA connecté au site web & PDF Projet R&D – Chatbot IA connecté au site web & PDF Client R&D interne Secteur Tous secteurs Type Chatbot IA / R&D Période 2024 01Résumé Projet R&D de développement d’un chatbot IA capable de récupérer automatiquement, en temps réel, les informations d’un site web et des documents PDF pour répondre aux questions des clients. La solution combine scrapping, indexation intelligente et génération de réponses en langage naturel, afin d’offrir un assistant facilement intégrable sur tout type de site via une simple iframe HTML. 02Description Ce projet R&D a pour objectif de constituer un socle générique de chatbot IA “branché” sur le site web de l’entreprise et sa documentation PDF. Le moteur de scrapping collecte automatiquement les contenus publics (pages, FAQ, fiches produits, articles) ainsi que les documents structurants mis à disposition, puis les transforme en une base de connaissance interrogeable en langage naturel. L’interface de chat est intégrée au site sous forme d’iframe, sans modification lourde du front existant. Le cœur IA repose sur LangChain et ChatGPT, orchestrant les appels au LLM après récupération des passages pertinents. L’ensemble est pensé comme une brique réutilisable pour tout secteur, facilement déployable sur de nouveaux sites. 03Enjeux Valoriser la masse d’information déjà présente sur les sites et documents PDF, mais difficilement accessible pour les utilisateurs finaux. Réduire la charge des équipes support sur les questions récurrentes, tout en offrant une réponse immédiate et contextualisée 24/7. Disposer d’un socle chatbot IA générique, adaptable à différents secteurs et cas d’usage, sans redévelopper à chaque fois une architecture spécifique. Expérimenter des composants RAG, de scrapping et d’orchestration LLM pour les futurs projets clients. 04Notre solution Mise en place d’un pipeline de scrapping pour collecter automatiquement les contenus du site (HTML) et les documents PDF, avec des mécanismes de rafraîchissement régulier. Indexation intelligente des textes dans une base de connaissance optimisée pour la recherche sémantique et la récupération de passages pertinents. Orchestration des interactions via LangChain : récupération des bons contenus, construction de prompts de contexte et appel à ChatGPT pour générer des réponses en langage naturel. Intégration du chatbot sous forme d’iframe HTML, facilement réutilisable et paramétrable pour différents sites, avec options de branding. Conception d’une architecture modulaire permettant de réutiliser ce socle R&D dans des projets sectoriels (santé, finance, retail, industrie, etc.). 05Résultats & impact Socle technique prêt à être industrialisé pour des chatbots IA “branchés site web” sur différents comptes clients. Réduction attendue des sollicitations de premier niveau pour les équipes support, au profit d’un self-service client plus efficace. Amélioration de l’accès à l’information pour les utilisateurs finaux, avec des réponses cohérentes avec les contenus officiels du site et des PDF. Capitalisation interne sur les bonnes pratiques RAG (scrapping + indexation + LLM), réutilisable dans d’autres solutions Full Remote Factory. 06Technologies clés Python LangChain ChatGPT RAG Scraping PDF Iframe
Swipe & Click – Navigation e-commerce mobile par le pouce, connectée à Prestashop
Atelierprivé.com – Swipe & Click, expérience e-commerce mobile Atelierprivé.com – Swipe & Click, expérience e-commerce mobile Client Atelierprivé.com Secteur E-commerce / Retail Type App mobile & IA Période 2023 01Résumé Conception de Swipe & Click, une expérience de navigation e-commerce pensée pour le pouce sur mobile, entièrement connectée à Prestashop. L’interface permet de parcourir, filtrer et ajouter des produits au panier en quelques gestes, afin d’augmenter le taux de conversion mobile et de simplifier le parcours d’achat. L’application intègre également un chatbot IA client, qui accompagne l’utilisateur tout au long de son parcours (questions produits, tailles, commandes) directement depuis l’interface mobile. 02Description Le projet Swipe & Click vise à proposer à Atelierprivé.com une expérience e-commerce mobile optimisée pour un usage à une main, centrée sur le geste du pouce. L’application Flutter se connecte au back-office Prestashop pour exposer le catalogue produits, les prix, les promotions et les stocks en temps quasi réel, dans une interface épurée et rapide à parcourir. Les clients peuvent balayer les produits, appliquer des filtres, consulter des fiches détaillées et ajouter au panier en un minimum de gestes, sans friction. Un chatbot IA intégré, basé sur LangChain et ChatGPT, apporte une couche de conseil et d’assistance : réponses aux questions fréquentes, aide au choix, suivi de commande. L’ensemble constitue une vitrine mobile moderne, différenciante, conçue pour améliorer l’expérience utilisateur et la performance commerciale. 03Enjeux Taux de conversion mobile inférieur au potentiel, du fait de parcours d’achat peu adaptés à une navigation à une main sur smartphone. Besoin de fluidifier l’accès au catalogue (parcours, filtres, ajout au panier) tout en restant connecté au socle Prestashop existant. Attente d’une relation plus interactive avec les clients, capable de répondre instantanément aux questions sans surcharger le support humain. Volonté de moderniser l’image d’Atelierprivé.com avec une expérience mobile premium, centrée sur l’usage réel des clients. 04Notre solution Conception d’une application Flutter pensée “thumb-first”, avec un parcours de navigation basé sur le swipe et des actions clés accessibles en quelques gestes (favoris, détails, ajout au panier). Intégration avec Prestashop via API pour la synchronisation du catalogue, des stocks, des promotions et des informations de compte client. Mise en place d’un chatbot IA embarqué dans l’application, construit avec LangChain et ChatGPT, pour répondre aux questions sur les produits, les tailles et les commandes. Architecture légère et évolutive, permettant de tester rapidement de nouvelles mécaniques d’engagement (recommandations, campagnes ciblées, scénarios de relance). 05Résultats & impact Parcours mobile simplifié, plus rapide et plus agréable pour les utilisateurs d’Atelierprivé.com. Meilleure mise en avant du catalogue sur smartphone, avec un accès plus direct aux produits et aux filtres clés. Diminution de la charge du support client sur les questions récurrentes grâce au chatbot IA, tout en offrant une réponse instantanée aux clients. Socle applicatif réutilisable pour de futures fonctionnalités d’IA (recommandations personnalisées, segmentation comportementale, scénarios de fidélisation). 06Technologies clés Flutter Prestashop Python LangChain LLM Chatbot IA API REST
IA d’assistance pour les entraineurs de football
Startup confidentiel – Assistant IA vidéo pour entraîneurs de football Startup confidentiel – Assistant IA vidéo pour entraîneurs de football Client Startup confidentiel Secteur Sport / IA Type IA vidéo Période 2023 01Résumé Développement d’une solution d’assistance IA pour les entraîneurs de football, permettant d’analyser automatiquement les vidéos des matchs et des entraînements afin d’optimiser les décisions tactiques et la performance des joueurs, notamment lors des revues vidéo d’après match ou séance. La plateforme combine vision par ordinateur, analyse statistique avancée et recommandations générées par LLM pour transformer des heures de vidéo en insights directement exploitables par les staffs techniques. 02Description Le projet consiste à doter une startup spécialisée dans la performance football d’un assistant IA capable d’analyser automatiquement les vidéos de matchs et d’entraînements. Les flux vidéo sont traités par des modèles de Computer Vision pour détecter le ballon, les positions des joueurs, les trajectoires, les contacts et les principales phases de jeu. Ces données structurées alimentent ensuite des modules d’analyse statistique et un LLM, afin de produire des synthèses lisibles par les entraîneurs : temps forts, patterns tactiques, comportements récurrents par joueur ou par ligne. L’interface Flutter permet aux staffs de naviguer dans les séquences clés, de filtrer par type de situation (transitions, pressing, coups de pied arrêtés, etc.) et de préparer rapidement les revues vidéo collectives. Le back-end Django / Python orchestre les traitements, la gestion des données et l’exposition des API, dans une logique de MVP déjà opérationnel et extensible. 03Enjeux Volume très important de vidéos (matches, entraînements) rendant les revues manuelles longues, incomplètes et fortement dépendantes de la subjectivité des observateurs. Besoin d’objectiver la performance des joueurs et des lignes (déplacements, intensité, respect des consignes tactiques) à partir de données fiables et comparables dans le temps. Nécessité de préparer plus rapidement les débriefings vidéo, en ciblant les séquences les plus pertinentes pour l’équipe et en réduisant la charge de préparation pour le staff. Volonté pour la startup de construire un socle technologique différenciant sur le marché des solutions de performance football en combinant Computer Vision, statistiques avancées et IA générative. 04Notre solution Conception d’une plateforme end-to-end qui ingère les vidéos de matchs et d’entraînements, les découpe en séquences et applique des modèles YOLO pour détecter ballon, joueurs, trajectoires et contacts. Structuration des données issues de la vision par ordinateur pour alimenter des analyses statistiques (occupation des espaces, distances, enchaînements de passes, transitions, phases défensives / offensives). Intégration d’un LLM via LangChain et Gemini pour générer des synthèses tactiques en langage naturel, adaptées aux besoins des entraîneurs et des préparateurs. Développement d’une application Flutter pour permettre au staff de naviguer dans les séquences clés, filtrer par situation de jeu et préparer les revues vidéo d’après match de manière plus rapide et structurée. Mise en place d’un back-end Django / Python orchestrant les traitements, la gestion des données, les API et les scénarios d’évolution produit (ajout de nouveaux indicateurs, nouveaux sports, etc.). 05Résultats & impact Réduction significative du temps nécessaire pour préparer les revues vidéo d’après match ou entraînement, grâce à l’identification automatique des séquences clés. Mise à disposition d’une lecture plus objective de la performance (par joueur, par ligne, par type de situation), facilitant les décisions tactiques et le travail de préparation. Amélioration de la qualité des échanges entre staff et joueurs grâce à des séquences ciblées et à des commentaires générés en langage clair. Création d’un socle technologique réutilisable pour adresser d’autres championnats ou sports collectifs et intégrer, à terme, des modules complémentaires (prévention des blessures, scouting, analyse de l’adversaire). 06Technologies clés Flutter Django Python YOLO LangChain LLM API REST
