Vérifier qu’une nouvelle liaison était réalisable nécessitait plusieurs outils : recherche du meilleur chemin, contrôle de la capacité disponible, simulation du signal et vérification des équipements. L’analyse pouvait prendre plusieurs heures.
Disponible dès septembre 2026 France, mobilité internationale
Ingénieur IA, agents et IA générative
Je construis des outils d’IA utiles sur le terrain.
Diplômé d’ESIEE Paris, j’aime partir d’un problème concret et construire l’outil qui va avec. Mon travail combine IA générative, données métier et développement logiciel.
De bout en bout
d’une question au rapport technique
2 172
services optiques modélisés
< 6 s
de latence médiane
Mon domaine
Agents IA→Outils métier
Étude de cas chez Orange Innovation
Andiamo Agent
Un assistant IA conversationnel pour exploiter et planifier un réseau optique longue distance, celui qui transporte les données entre plusieurs villes ou pays.
Un moteur d’orchestration (LangGraph) coordonne plusieurs agents IA spécialisés. Ils consultent les données du réseau, calculent les chemins et utilisent GNPy, un logiciel qui simule la qualité du signal optique, avant de produire un rapport partageable.
1 demande
pour passer d’une question à un rapport technique complet
< 6 s
pour obtenir une réponse exploitable
2 172
services réseau consultables en langage naturel
4 volets
chemin, capacité, équipements et qualité du signal
Démonstrations
Quelques exemples en vidéo.
Extraits courts d’un environnement de démonstration. Toutes les données visibles sont anonymisées.
01 / Cartographie réseau
Explorer la topologie
Visualisation interactive des liaisons, filtrage par zone et lecture de la capacité encore disponible sur chaque liaison.
02 / Assistant IA
Interroger le réseau
Une question métier en langage naturel est routée vers les agents et les sources appropriées.
03 / Parcours complet
Étudier une faisabilité
Choix du chemin, sélection des équipements, simulation de la qualité du signal puis génération d’un rapport de décision.
Rapport généré
La décision finale, présentée dans un document exploitable.
Le rapport rassemble le chemin retenu, la capacité disponible, les équipements nécessaires et la simulation de la qualité du signal.
Architecture
Comment ça fonctionne.
Le routeur choisit l’agent compétent. Chaque agent dispose de ses propres outils et sources de données. Un juge de qualité vérifie ensuite la réponse avant restitution.
Du besoin exprimé au résultat vérifié
01
→ Question métier
Formulée simplement par l’utilisateur
02
→ Agents et outils
Données réseau Calcul du chemin Simulation GNPy
03
Réponse vérifiée
Décision claire et rapport détaillé
À propos
Ce qui m’intéresse dans l’IA.
Je viens d’être diplômé d’ESIEE Paris en Data Science et IA. Je m’intéresse surtout aux agents IA, des assistants spécialisés qui travaillent ensemble et utilisent des outils.
Chez Orange Innovation, j’ai appris à confronter ces idées à un environnement réel : des données imparfaites, des contraintes techniques et des utilisateurs qui attendent une réponse claire.
Produit
Partir du besoin métier, pas du modèle.
Fiabilité
Mesurer, tracer et faire valider les réponses.
Systèmes
Connecter les modèles d’IA aux outils et aux données réelles.
Parcours
Expériences
J’ai travaillé sur des sujets de recherche, de produit et de relation client.
02/2026 à aujourd’hui
Stage de fin d'étude
01Orange Innovation
Ingénieur IA, automatisation et analyse des réseaux optiques
- Conception d’un assistant composé de plusieurs agents IA pour analyser et simuler un réseau optique longue distance à partir d’une question en langage naturel.
- Connexion de l’IA aux cartes du réseau, aux équipements disponibles et aux services actifs grâce à une interface de données (GraphQL), une base PostgreSQL et des outils Python.
- Validation de bout en bout, de la question utilisateur à la génération d’un rapport détaillant le chemin, la capacité, les équipements et la qualité du signal.
05/2025 à 08/2025
Stage de recherche
02Laboratoire Lisis
Automatisation de l’analyse d’entretiens par des agents IA
Voir le projet sur GitHub↗- Comparaison des biais et des comportements de cinq modèles de langage, dont LLaMA et GPT, face à des problématiques humaines et sociétales.
- Création d’un processus où plusieurs agents IA analysent automatiquement une trentaine d’entretiens selon une méthode de recherche reconnue, avec LangGraph et l’API Groq.
- Intégration de mécanismes de validation et de cohérence inter-agents pour garantir la fiabilité du codage thématique.
01/2025 à 02/2026
03- Pilotage de plus de 5 missions clients de bout en bout sur des sujets tech, de l'analyse du besoin à la livraison finale.
- Gestion de budgets allant de 1 000 € à 20 000 € selon la complexité des missions.
- Rédaction des propositions commerciales et soutenances client ; coordination d'équipes d'étudiants-consultants.
Compétences
Les outils que j’utilise.
Je travaille surtout avec des agents IA, des données et des outils de développement logiciel.
Agents IA & IA générative
01Créer des assistants capables de collaborer, d’utiliser des outils et de vérifier leurs réponses.
LangGraphLangChainMCPRAGRoutage des demandesAgents avec outils
Logiciel & données
02Relier l’IA à des bases de données et à des services fiables.
PythonFastAPIGraphQLPostgreSQLRedisSQL
Apprentissage automatique
03Entraîner, comparer et mesurer des modèles avec méthode.
PyTorchTensorFlowScikit-learnXGBoostPandasEvaluation
Mise en production
04Transformer un prototype en application suivie, testée et déployable.
DockerKubernetesCI/CDGitLinuxMonitoring
En clair : un LLM est un modèle capable de comprendre et générer du texte ; le RAG lui permet de rechercher des informations fiables ; MCP lui donne un cadre standard pour utiliser des outils externes.
Sélection
Autres projets
Projet Kaggle, 04/2025 à 05/2025
Prédiction de la consommation énergétique des bâtiments
Analyse des données, création des variables les plus utiles, comparaison rigoureuse de plusieurs modèles puis optimisation des deux plus performants.
PythonXGBoostRandom ForestPandasScikit-learn
Projet académique, 11/2024 à 12/2024
Chaîne de collecte, stockage et visualisation des données
Application complète qui collecte automatiquement des données web, les stocke, accélère leur consultation, surveille leur qualité et les présente dans un tableau de bord.
PythonScrapyMongoDBRedisKibanaDash
Contact
Vous travaillez sur un projet IA ?
Parlons-en.
Je recherche un poste d’ingénieur IA ou d’ingénieur en IA générative à partir de septembre 2026. Je suis mobile en France et ouvert aux opportunités internationales.