À propos
Le problème métier
d'abord, le modèle ensuite.
Ingénieur IA et consultant en automatisation qui construit des agents LLM, des pipelines RAG et des systèmes vocaux qui tiennent en production, pas seulement en démo. Chaque système part d'un problème opérationnel et remonte jusqu'à la plus petite architecture qui l'élimine.
Ce que je pense de ce métier
Les démos sont faciles. La production, c'est le métier.
La plupart des projets IA meurent entre le notebook et le déploiement. Je construis la partie qui survit : évaluation, solutions de repli, observabilité, et des systèmes robustes qui se tiennent quand de vrais utilisateurs arrivent.
Le problème métier d'abord, le modèle ensuite.
Chaque système que je livre part d'une douleur opérationnelle : des leads qui pourrissent dans une boîte mail, des files de support en feu, du savoir enfermé dans des PDF. Je remonte ensuite jusqu'à la plus petite architecture qui l'élimine.
Full stack, de bout en bout.
Orchestration d'agents dans LangGraph, recherche documentaire sur index hybride, back-ends FastAPI et front-ends React. Une seule personne porte l'ensemble du système, donc rien ne se perd au passage de relais.
La même boucle,
pour chaque système.
Que ce soit un poste, une mission client, ou quelque chose livré seul. Les étapes ne changent pas ; seule leur durée change.
Je porte l'architecture et la construction. Quand une mission demande plus de capacité d'implémentation qu'une seule personne, je fais appel à une petite équipe d'ingénierie et d'automatisation avec laquelle j'ai déjà travaillé, et je reste responsable de ce qui est livré.
- 01
Comprendre
Le vrai problème et ses contraintes, avant de toucher un modèle ou un framework. Résultat : une vision claire de ce que la production exige réellement.
- 02
Concevoir
Architecture système, choix de modèles et flux de données, réfléchis et écrits avant la moindre ligne de code.
- 03
Construire
Une implémentation orientée production en itérations courtes, testée tôt sur de vraies entrées et non sur des entrées synthétiques.
- 04
Livrer
Déployé, supervisé et documenté. Pas de boîtes noires et pas de trous au passage de relais.
- 05
Améliorer
Évalué et ajusté après la mise en ligne. Les systèmes s'améliorent en production, ils ne se dégradent pas.
Expérience
De l'entreprise,au produit, à l'IA.
Cinq postes, chacun une part différente d'une même progression : comprendre comment se construisent les systèmes d'entreprise, apprendre à penser en produits, puis construire les systèmes IA eux-mêmes.
Construit des systèmes d'IA générative et d'IA agentique de niveau production pour l'entreprise, en privilégiant les systèmes qui restent fiables sous charge réelle plutôt que les prototypes expérimentaux.
À propos de In Time TecGlobal AI & software partner
A global technology partner trusted by enterprise clients across the US, built on a rare promise: ROI, or they don't get paid.
- Construit des applications d'IA agentique et LLM en production avec LangGraph et FastAPI
- Conçoit des architectures RAG sur LlamaIndex et Qdrant avec recherche hybride et génération ancrée
- Développe des agents IA scalables sur Python, Azure AI et Redis avec orchestration de flux à état
- Met en place les mécanismes de sûreté et de fiabilité : masquage des données personnelles, sécurité des contenus et détection de contournement
- Améliore les systèmes en production par l'observabilité et l'exécution parallèle
Formation
B.Tech, informatique
JK Lakshmipat University, Jaipur
Baccalauréat, physique, chimie, mathématiques
Delhi Public School, India
Collège
St. Anselm's Pink City Sr. Sec. School
Comment je travaille avec les équipes
Travaille à distance avec des équipes dans tous les fuseaux horaires, les horaires européens et britanniques étant couverts en standard. Ces systèmes servent des utilisateurs dans plus de 10 pays.
Accepte des postes d'ingénieur à temps plein ainsi que des missions contractuelles ou de projet sélectionnées, à distance et dans tous les fuseaux horaires. L'essentiel de ce travail se fait avec des équipes en Europe, au Royaume-Uni, en Amérique du Nord et en Australie. Lorsqu'une entreprise recrute depuis l'étranger, le travail de projet se déroule comme une prestation de conseil plutôt que comme un emploi, sans autorisation de travail locale requise d'aucun côté.
Comment se déroule une mission
La plupart des missions commencent par l'audit, parce qu'un premier pas fixe et délimité est ce qui rend décidable un second pas plus grand. Rien de ce qui suit n'est un forfait : les étapes existent pour que vous puissiez vous représenter la forme, et le périmètre est écrit avant que l'un ou l'autre ne s'engage.
- 01
Audit
1 à 2 semaines · Point de départ habituel
Un examen à périmètre fixe du flux que vous voulez automatiser ou de la fonctionnalité IA que vous voulez construire : à quoi ressemblent vraiment les données, quelles parties ont réellement besoin d'un modèle, lesquelles gagnent à rester déterministes, et ce que coûterait l'exploitation en production.
Vous obtenez
Une architecture écrite et un plan de construction qui vous appartiennent, que la construction se fasse avec moi ou non. - 02
Construction
4 à 12 semaines
Implémentation en itérations courtes sur de vraies entrées, pas des entrées synthétiques. Vous voyez du logiciel qui fonctionne chaque semaine, et ce qui est construit est l'architecture issue de l'audit, donc les débats de périmètre ont lieu sur le papier plutôt que dans le code.
Vous obtenez
Un système déployé, son dispositif d'évaluation, et une documentation qu'un autre membre de votre équipe peut reprendre. - 03
Exploitation
Au mois, résiliable à tout moment
La partie que la plupart des projets IA sautent. Les modèles dérivent, les invites se périment, les API en amont changent la forme de leurs sorties, et un pipeline précis au premier mois est discrètement faux au quatrième si personne ne mesure.
Vous obtenez
Supervision, campagnes d'évaluation, et une note mensuelle sur ce qui a changé et ce que cela a coûté.
Ce que je ne prends pas
Quatre choses qui reviennent assez souvent pour être dites à voix haute. Aucune n'est un jugement sur ce travail ; ce sont des endroits où quelqu'un d'autre fera mieux que moi.
- Entraîner un modèle de zéro
- Du fine-tuning là où il se justifie, oui. Pré-entraîner un modèle de fondation est une autre discipline avec un autre budget, et celui qui vous dit que c'est la réponse à un problème métier vend généralement l'entraînement.
- Un chatbot sans système derrière
- Emballer une API dans une fenêtre de discussion prend un après-midi et ne règle rien de durable. Ce qui vaut d'être payé, c'est la recherche documentaire, l'évaluation et l'exploitation autour, et c'est précisément là que les démos qui ne sortent jamais se plantent.
- Design ou identité de marque seuls
- Les interfaces ici sont faites pour rendre le système lisible, pas pour gagner un prix de design. Si le livrable est un système de marque ou une identité visuelle, il vous faut un studio, et la construction n'en sera que meilleure.
- Renfort d'équipe à l'heure
- Les missions sont cadrées sur un résultat, avec une architecture écrite derrière. Un siège ouvert sur un backlog est un vrai service et un achat raisonnable ; ce n'est simplement pas celui-ci.