( Ingénieur logiciel & ML · Master en statistique et science des données )
Je construis des systèmes d'IA et des logiciels de production de bout en bout, en écrivant le code et en entraînant les modèles moi-même. Puis je démultiplie ce travail avec des systèmes d'agents qui font avancer votre logiciel après le lancement, et j'aide les entreprises à faire de même.
( Modèles & agents avec lesquels je travaille )
( 01 · L'organisation d'agents )
1 équipes en ligne
PM chef de projet · FE frontend · BE backend · QA contrôles · REV relecteur
01 Tout commence avec une équipe. Un agent chef de projet transforme mon brief en tickets pour ses ingénieurs frontend et backend.
02 Chaque équipe suit la même boucle : contrôles qualité, un relecteur adverse, et des problèmes renvoyés preuves à l'appui.
03 Besoin de plus de capacité ? Je lance une autre équipe. Après le lancement, ces mêmes équipes continuent de maintenir et de faire évoluer votre produit, et chacune me rend compte.
( 02 · Le tournant )
Les agents ne vous rendent plus rapide que si vous savez lire chaque ligne qu'ils écrivent. J'ai passé des années à écrire du logiciel et à entraîner des modèles à la main, alors je sais quand les agents se trompent, et pourquoi. Ils démultiplient mon ingénierie. Ils ne la remplacent pas.
( 03 · Sous le capot )
Avant qu'un agent touche à une base de code, je sais la construire moi-même. Cinq ans de code en production, un master en statistique et science des données, et des modèles que j'ai entraînés et déployés sur du vrai matériel. C'est toute la différence entre l'ingénierie avec l'IA et le « vibe coding ».
01 / 04
TypeScript · JavaScript · Python · C/C++ · SQL · R
Next.js · React · Node.js · FastAPI · Django
preuve → Un environnement d'exécution isolé pour les scripts d'indicateurs avec contrôle des capacités, des contrats d'exécution et des correctifs de sécurité sur un terminal de trading en production.
( 04 · La méthode )
Chaque ticket part du contrat, pas d'une intuition. Je cadre le travail, et les agents lisent la spécification de l'API sur la branche exacte où ils travaillent.
Des agents Claude Code et Codex prennent chacun un ticket dans leur propre worktree git. Plusieurs chantiers avancent en même temps sans jamais se télescoper.
Lint, tests unitaires, build de production et tests de bout en bout. Chaque push doit passer chaque contrôle, sans exception et sans « ça marche sur ma machine ».
Un agent relecteur attaque chaque changement sur cinq fronts et doit prouver chaque bug par un test qui échoue. Les problèmes sont corrigés ou rejetés preuves à l'appui jusqu'à ce qu'il n'en reste aucun. Ensuite, je valide.
( 05 · La boîte à outils IA )
Mon outil du quotidien. Je crée des sous-agents sur mesure avec des règles écrites : développeurs, relecteurs et spécialistes, chacun responsable d'une seule tâche.
L'agent de code d'OpenAI, pour des chantiers parallèles afin que plus de tickets avancent en même temps.
Ceux qui implémentent ne notent jamais leur propre travail. Un agent distinct relit chaque commit et doit prouver chaque problème.
Lint, tests unitaires, builds et tests e2e Playwright intégrés à la boucle, pour que les agents ne puissent pas les contourner.
L'API Anthropic et d'autres API de LLM au cœur des applications que je livre : génération de contenu, réponses automatiques par IA, copilotes de stratégie.
Des LLM open-weight qui tournent sur votre propre matériel : privés par défaut, sans facturation au token, et adaptés à la tâche.
Des pipelines multimodaux qui génèrent et retouchent images et vidéos, en local ou via des API, intégrés à de vrais produits et processus.
Des modèles conçus et entraînés pour votre problème, sur vos données : CNN, Vision Transformers, modèles séquentiels et tabulaires. Je m'occupe de tout, de l'annotation des données et de l'architecture jusqu'à l'entraînement, l'évaluation et un modèle déployé.
Des modèles ouverts adaptés à votre domaine avec LoRA et QLoRA, et des données synthétiques quand les vraies données manquent. Chaque modèle a son jeu d'évaluation, pour savoir s'il est vraiment meilleur, et un pipeline qui le réentraîne à mesure que vos données grandissent.
De la recherche dans vos propres documents avec des embeddings et une recherche vectorielle, pour que les réponses du LLM viennent de vos données et citent leurs sources, et non des suppositions du modèle.
Économe en tokens dès la conception : mise en cache des prompts, petites tâches confiées à de petits modèles et tâches complexes aux grands, traitement par lots, et modèles locaux pour les usages privés ou à gros volume. Le coût de l'IA est mesuré par fonctionnalité, pour rester prévisible à mesure que vous grandissez.
( 06 · Ce que je fais )
Des produits full-stack, des fonctionnalités d'IA et des systèmes de ML, conçus pour de vrais utilisateurs, pas pour des démos. Next.js et TypeScript, Python, PostgreSQL, et des LLM intégrés au produit.
Le lancement n'est pas la ligne d'arrivée. Je mets en place des équipes d'agents (chef de projet, ingénieurs, relecteur, contrôles qualité) qui continuent de maintenir et d'enrichir votre logiciel : corrections de bugs, mises à jour des dépendances et de sécurité, nouvelles fonctionnalités. Chaque changement est relu et testé avant d'être fusionné, pour que le produit continue de s'améliorer sans une équipe de développement complète à salarier.
Pour les entreprises qui veulent automatiser ou adopter des agents en toute sécurité : audits de processus, choix de ce qu'il faut automatiser en premier, conception de systèmes agentiques, réduction des coûts d'IA et de tokens, et montée en compétence de votre équipe sur les agents de code IA.
( Spécialités )
( 07 · Projets choisis )
( 08 · Parcours )
La formation est la branche principale, et chaque poste en part. Les branches bleues sont toujours actives.
Université Mohammed VI Polytechnique · Ben Guerir
OCP SA · Safi, Maroc
Des tableaux de bord Power BI pour les indicateurs de production en temps réel, et un modèle de maintenance prédictive qui prévoit le temps entre pannes d'une turbine clé.
Université de Hasselt · en cours · diplôme en janvier 2027
AutoMates Robotics · Anvers · freelance
Responsable du logiciel dans l'équipe robotique : le pipeline de vision du prélèvement en vrac et le ML de bout en bout sur des données 2D et de profondeur 3D, de l'annotation et des données synthétiques à l'entraînement, l'inférence et le déploiement.
Syvera · plateforme de robots de trading IA
Recherche UX et refonte complète de l'UX/UI pour des outils de trading complexes comme la gestion du risque et la création de stratégies.
Throughput · agence de développement · Trading Terminal
L'un des ingénieurs de l'équipe qui construit un terminal de trading en production. Mon travail couvre le frontend et le backend : graphiques, moteur d'indicateurs, flux courtiers et ordres, contrats d'exécution, sécurité. Je le livre via mon propre workflow multi-agents.
Prochaine étape : master en janvier 2027 · arabe · anglais (C1) · français
( 10 · Contact )
Nouveaux produits, systèmes d'agents qui font avancer votre logiciel existant, ou conseil en automatisation et adoption de l'IA. Ouvert au freelance, au conseil et aux contrats pouvant mener à une embauche.
( Ailleurs )