// parcours

De l’automatisme industriel aux agents IA en production

J’ai commencé par programmer des machines où une panne se constate sur le terrain. Aujourd’hui, je construis des systèmes logiciels avec la même exigence : comprendre l’ensemble, prévoir ses limites et le rendre exploitable dans la durée.

01

2019 à 2022

La fiabilité comme point de départ

J'ai commencé par concevoir et mettre en service des systèmes automatisés industriels. Le logiciel y commande des machines, les défauts se constatent sur le terrain et une reprise mal pensée arrête réellement la production.

Cette expérience m'a appris à raisonner sur le système entier : comprendre les dépendances, diagnostiquer avec méthode et prévoir les modes dégradés avant de chercher la performance.

02

Depuis 2023

Passer du composant au produit

Chez Web Médias, j'ai étendu cette approche à une suite de produits automobiles : flux de données constructeurs, moteurs de recherche, traitement d'images, applications SaaS et collecte SEO à grande échelle.

Mon rôle de responsable technique ne consiste pas seulement à choisir une stack. Il faut relier les produits, les données et l'infrastructure, puis arbitrer entre débit, coût, maintenabilité et continuité de service.

03

Passion Code et JuryAI

Construire et porter mes propres systèmes

J'ai créé Passion Code pour accompagner des entreprises sur leurs produits et leurs systèmes métier, puis JuryAI pour confronter mes choix techniques à toutes les contraintes d'un produit réel : usage, acquisition, support, coûts et exploitation.

Aujourd'hui, je conçois des agents vocaux, des pipelines de données et des applications IA qui doivent rester compréhensibles, mesurables et utiles bien après la première démonstration.

// aujourd’hui

Construire le système, pas seulement la fonctionnalité

J’interviens lorsqu’un produit doit passer d’une idée à un système exploitable, ou lorsqu’une architecture existante atteint ses limites. Le point de départ reste le problème métier, jamais la technologie à placer.

Je travaille directement sur l’architecture, le backend et les composants IA, tout en gardant les contraintes de production visibles : données, latence, budget, observabilité et reprise sur incident.

Les systèmes racontent mieux le parcours que les intitulés

Les études de cas détaillent les décisions, les contraintes et les résultats des produits et systèmes sur lesquels je travaille.