Titulaire S. Moudathirou Ben

Objet Missions IA, du prototype à la production

Saindou Moudathirou Ben

Ingénieur IA, du prototype à la production.

Je conçois et mets en production des systèmes LLM / RAG, des agents, du machine learning et de la vision par ordinateur. Ma spécialité : les données sensibles et les environnements réglementés, à commencer par la santé.

Statut
Disponible maintenant
Lieu
Nantes, ou à distance partout en France
Formation
Master 2 Ingénierie de la Santé & IA (2026)
Parler de votre projet Voir les résultats
Une réponse d'IA qui cite sa source, puis qui est vérifiée. Démonstration : documents fictifs.

QuestionQuels sont les critères d'exclusion de l'étude ?

RéponseSont exclus les participants sous traitement hypolipémiant depuis moins de 3 mois [1] et les femmes enceintes ou allaitantes [2].

Protocole NUT-042 (fictif), version 2.1, page 12

5.2 Critères de non-inclusion. (a) traitement hypolipémiant initié depuis moins de 3 mois ; (b) grossesse ou allaitement en cours ; (c) participation à une autre étude dans les 30 jours précédant l'inclusion.

Vérifié 2/2 citations à la source

Ce que je prends en charge

Six types de missions, toujours menées jusqu'à un système qui tourne et dont on mesure la qualité.

  1. Assistant documentaire (RAG)

    Interroger vos documents en langage naturel, avec la citation exacte de chaque réponse, jusqu'à la page. Déployable 100 % en local quand les données ne doivent pas sortir.

    PostgreSQL + pgvector, BGE-M3, Ollama, LlamaIndex, LangChain

    Preuve : 100 000+ documents

  2. Veille et tri de documents

    Surveiller des sources (autorités, portails d'appels d'offres), trier ce qui compte et livrer chaque semaine des fiches dont chaque affirmation est sourcée.

    Python, FastAPI, Pydantic, pipelines multi-étages, LLM-as-a-judge

    Preuve : 100 % de citations fidèles

  3. Audit d'un système LLM

    Mesurer ce que fait réellement votre système : hallucinations, couverture, faux négatifs, coût par requête. Puis corriger ce qui doit l'être.

    Jeux d'évaluation, LLM-as-a-judge, journal d'audit, suivi des coûts

    Preuve : < 1 % de faux négatifs

  4. Systèmes agentiques

    Des workflows en plusieurs étapes qui utilisent des outils, avec garde-fous, plafonds de coût et repli automatique d'un fournisseur de modèle à l'autre.

    LangGraph, CrewAI, Agno, GPT, Claude, Mistral

    Voir le pipeline multi-étages

  5. IA intégrée à vos applications

    Brancher un LLM, un chatbot ou la voix dans un produit existant, au travers d'une API propre, testée et documentée.

    FastAPI, Docker, API OpenAI / Claude / Mistral, Whisper, ElevenLabs

    Voir les chatbots pour agences

  6. Machine learning et vision par ordinateur

    Des données au modèle déployé : préparation, entraînement, validation, puis mise en service. Détection, classification, comptage, prédiction de risque.

    PyTorch, scikit-learn, XGBoost, YOLO / Ultralytics, OpenCV

    Voir la vision temps réel

Du cadrage à la production

Je prends le projet en entier. Chaque étape se termine par quelque chose de mesurable.

  1. Cadrer

    Le besoin, les données disponibles, les contraintes (RGPD, hébergement, budget) et la mesure de réussite, fixés ensemble avant d'écrire du code.

  2. Prototyper et mesurer

    Un premier système sur vos documents réels, évalué sur un jeu de test. On sait ce qu'il vaut avant d'aller plus loin.

  3. Industrialiser

    API, tests, Docker, journal d'audit, gestion des erreurs et des coûts d'inférence.

  4. Mettre en production et suivre

    Sur votre infrastructure ou dans le cloud, y compris sur un serveur isolé sans accès réseau. La qualité et les coûts restent suivis dans la durée.

Veille appels d'offres : en production en 8 jours.

Résultats

Projets menés en entreprise et en recherche. Le code et les données restent confidentiels ; les démonstrations de cette page sont reconstituées avec des documents fictifs.

Base de connaissances confidentielle sur plus de 100 000 documents d'études cliniques

Biofortis, CRO nutrition & santé · 2026 · stage de fin d'études

Interroger en langage naturel un fonds de plus de 100 000 documents d'études cliniques, sans qu'aucune donnée ne quitte le serveur (RGPD, secret des affaires). Chaque réponse cite ses sources jusqu'à la page.

Principe de l'architecture, 100 % locale
  1. Documentsformats anciens convertis
  2. Déidentificationavant toute indexation
  3. IndexationPostgreSQL + pgvector, embeddings sur GPU
  4. Recherche hybridesémantique et lexicale
  5. LLM localaucun appel externe
  6. Réponse citéesource et page
Mesure Valeur Provenance
Documents indexés 100 000+ Fonds d'études cliniques de l'entreprise
Conversion des formats anciens 99,5 % Pipeline d'ingestion, avec reprise sur erreur
Détail de la méthode
  • Privacy by design, journal d'audit conçu selon GxP / 21 CFR Part 11.
  • Architecture hexagonale, dédoublonnage par empreinte, reprise sur erreur.
  • Un registre d'études généré automatiquement remplace un fichier Excel tenu à la main.

Veille réglementaire automatisée

Biofortis · 2026 · dispositifs médicaux

Surveillance multi-autorités et multi-juridictions (MDR / IVDR), avec des fiches d'alerte où chaque affirmation renvoie à sa source. Architecture modulaire et replis à plusieurs niveaux pour que le service ne s'arrête pas.

Fiche d'alerte, reconstituée (fictive)
Objet
Rappel volontaire d'une pompe à perfusion, modèle X-12
Classe
IIb · MDR 2017/745
Action
Vérifier les lots en stock avant le 15/07 [1]

[1] Avis de sécurité du 03/07/2026, § 2

Citations fidèles 100 % audité Contrôle des fiches d'alerte

L'audit de couverture a aussi révélé plusieurs anomalies silencieuses que la supervision ne détectait pas.

Python, FastAPI, Pydantic

Qualification IA des appels d'offres publics

Biofortis · en production depuis juin 2026

Un pipeline multi-étages, du filtre le moins coûteux au plus coûteux, couvre les principaux portails français et européens. Les opportunités qualifiées partent chaque semaine à l'équipe commerciale.

Avis n° 26-1187, reconstitué (fictif)
  1. Filtre par mots-cléscoût le plus bas
  2. Classement par modèlecoût moyen
  3. Lecture par LLM, citation du lotcoût le plus haut

Qualifié · lot 2, analyse statistique d'un essai de phase II · transmis lundi

Faux négatifs < 1 % audité Audit LLM-as-a-judge
Mise en production 8 jours Réutilisation de l'architecture du projet de veille

Plusieurs dizaines de milliers d'avis analysés. Coûts d'inférence maîtrisés par caches, plafonds de dépense et traçabilité des rejets.

Prédiction des saignements précoces dans l'embolie pulmonaire

Recherche, Master 2 · laboratoire universitaire et CHU de Besançon · 2025–2026

Projet de recherche mené au laboratoire de l'Université Marie et Louis Pasteur, en collaboration avec le CHU de Besançon : développement et validation d'un réseau de neurones profond pour prédire les saignements précoces dans l'embolie pulmonaire aiguë, à partir du registre RIETE.

Deep learning, PyTorch, analyse statistique

Chatbots RAG et assistant vocal pour agences

Orbicall, immobilier · 2023–2025

Des chatbots installables par plugin, qui parcourent le site du client pour construire leur base de connaissances et répondent en temps réel avec GPT, Claude ou Mistral. Une version vocale permet de parler naturellement à l'assistant.

RAG, crawling, Whisper, ElevenLabs

Home staging virtuel et vidéos d'annonces

Orbicall, immobilier · 2023–2025

Des rendus 2D photoréalistes de pièces vides aménagées, et un générateur automatique de vidéos immobilières à partir des photos, de la description de l'annonce et de consignes texte.

Vision par ordinateur, traitement d'image, IA générative

Vision par ordinateur en temps réel

Majal Berkane, Maroc · 2023

Alerte incendie par analyse vidéo en temps réel, plateforme de surveillance maritime (détection et classification d'objets), détection d'oiseaux sur le site E-Moulaya et comptage de passagers dans les transports publics.

YOLO, OpenCV, détection et classification d'objets

Parcours

Près de trois ans d'IA appliquée dans trois secteurs, puis une spécialisation en santé.

  1. –

    Master 2 Ingénierie de la Santé & IA, parcours INASYS

    UFR Santé, Université Marie et Louis Pasteur, Besançon. Diplômé en 2026.

  2. –

    Data Scientist / Ingénieur IA, Biofortis SAS

    Stage de fin d'études, pôle Bioinformatique & Data Sciences d'une CRO nutrition & santé. Trois systèmes d'IA documentaire conçus, mis en production et audités.

    Santé

  3. –

    Projet de recherche, Master 2

    Laboratoire de recherche de l'Université Marie et Louis Pasteur, en collaboration avec le CHU de Besançon. Modèle de deep learning pour la prédiction des saignements précoces dans l'embolie pulmonaire (registre RIETE).

    Santé · recherche

  4. –

    Développeur IA, Orbicall

    Nador, Maroc. Chatbots RAG, assistant vocal, home staging virtuel, génération de vidéos.

    Immobilier

  5. –

    Data Scientist / Computer Vision, Majal Berkane

    Maroc. Détection incendie, surveillance maritime, détection d'oiseaux, comptage de passagers.

    Industrie & environnement

  6. –

    Master Sciences des Données et Systèmes Intelligents

    Université Mohammed Premier, Maroc.

  7. –

    Licence Génie Logiciel

    Faculté des Sciences et Techniques d'Er-Rachidia, Université Moulay Ismaïl, Maroc.

Matériel et méthodes

LLM, RAG et agents
RAG en production (recherche hybride, découpage hiérarchique, citations traçables), LangChain, LlamaIndex, LangGraph, CrewAI, Agno ; GPT, Claude, Mistral, LLaMA, Qwen, DeepSeek ; chaînes de repli multi-fournisseurs, protection contre l'injection de prompt.
Embeddings et bases vectorielles
BGE-M3, pgvector, Qdrant, Chroma, Pinecone, FAISS ; modèles exécutés en local avec Ollama.
Machine learning et vision
PyTorch, TensorFlow, scikit-learn, XGBoost, Pandas ; CNN, Transformers, ViT, YOLO / Ultralytics, segmentation, OCR, OpenCV, VLM.
Ingénierie et production
Python, FastAPI, Pydantic, architecture hexagonale, pytest, Docker, Git ; PostgreSQL, MongoDB, Neo4j ; GCP, Vercel, VPS, serveur isolé sans accès réseau.
Voix
Whisper, Deepgram, AssemblyAI, ElevenLabs, OpenAI TTS.
Conformité et traçabilité
RGPD et privacy by design, MDR 2017/745, IVDR 2017/746, ISO 13485, GxP / 21 CFR Part 11, déidentification, journal d'audit, audit de couverture et de rappel.

Parler de votre projet

Décrivez votre besoin en quelques lignes. Je réponds sous 24 h ouvrées, avec une première idée de l'approche.

Contexte, données concernées, échéance si vous en avez une.

Vos informations servent uniquement à vous répondre. Elles ne sont ni revendues ni utilisées pour de la prospection, et sont conservées au plus 3 ans après notre dernier échange. Pour les faire supprimer, écrivez à kymsaindou@gmail.com.