À propos de Clément
Forward Deployed Engineer (FDE) | GenAI en production
Vous avez un cas d'usage IA qui a décollé en interne — un agent conversationnel sur vos data métier, un assistant sur votre base documentaire, une automatisation de workflow. C'est devenu utile, parfois critique. Reste à le passer en production : personne dans l'équipe n'en a le temps ni l'expérience.
C'est le métier d'un Forward Deployed Engineer : je m'installe dans vos équipes, je traduis votre problème métier en système IA, et je le construis dans votre infra — du POC au MVP jusqu'en prod. Pas une démo : du code qui tourne chez vous, sous vos contraintes (backend, intégration d'API, orchestration LLM, agents).
Et surtout, votre IA devient fiable : l'observabilité LLM (LLMOps) vous dit quand elle dérive, et pourquoi.
Chez Club Med, pendant près de 2 ans, j'ai posé les fondations de leur IA générative en production : un système conversationnel RAG + multi-agents, avec :
— l'observabilité Langfuse pour tracer chaque étape de raisonnement et repérer les dérives ;
— des tests de non-régression notés par un second LLM (LLM-as-judge) ;
— une gateway multi-modèles pour changer de modèle à la volée (OpenAI, Anthropic, Mistral…) sans toucher au code, et router chaque requête vers le modèle le moins cher adapté — −50 % de coûts d'inférence.
Selon où vous en êtes, trois niveaux :
1. Audit : votre IA est-elle prête pour la prod ? Vous repartez avec un diagnostic et un plan chiffré.
2. Industrialisation : mise en prod complète — observabilité, évals, CI/CD, isolation des env, sécurisation du code IA.
3. FDE à temps partagé : quelques jours par mois pour le faire évoluer et le garder fiable.
Vous gardez un spécialiste embarqué sans le coût d'un temps plein.
Un cas d'usage IA à passer en production ? Dites-moi où vous en êtes en trois lignes. Je réponds dans l'heure.
Français
Bilingue ou natif
Anglais
Bilingue ou natif
Accepte de travailler sur site
Paris (jusqu’à 50 km), Bordeaux (jusqu’à 50 km), Lyon (jusqu’à 50 km), Nantes (jusqu’à 50 km), Marseille (jusqu’à 50 km)
Expériences
- Plateforme de l'inclusion
Sur Malt
AI Engineer | LLMOps, Agents & EvalSECTEUR PUBLIC & COLLECTIVITÉSjuin 2026 - Aujourd'hui (1 mois)Paris, France🎯 Objectif de la missionAudit et industrialisation, en ingénieur IA embarqué (Forward Deployed Engineer), d'Autometa — l'assistant conversationnel GenAI interne du GIP Plateforme de l'Inclusion (beta.gouv.fr) qui transforme des questions en langage naturel en data, rapports et dashboards à partir de Matomo et Metabase. Enjeu : faire passer un POC porteur en production fiable — socle DevOps, qualité des dashboards IA et robustesse du système agentique.🔧 Réalisations- Audit de la constitution technique et de la qualité des dashboards IA, correction des micro-bugs, et cadrage du socle DevOps (déploiement automatisé, isolation des environnements dev/test/prod, hébergement).
- Industrialisation de la couche GenAI : bascule multi-modèles (Anthropic Claude ↔ Ollama Cloud ↔ Scaleway GenAI API) par redirection d'endpoint, sans toucher au code applicatif, pour arbitrer coût/qualité.
🧰 Stack technique- Backend : Python 3.14, FastAPI, Uvicorn, SQLAlchemy, Alembic, Jinja2
- GenAI / LLMOps : Claude (Claude Code en mode agentique), Ollama Cloud, RAG, skills/agents, évals LLM-as-judge
- Données : PostgreSQL, Redis, Matomo, Metabase
- Front : htmx, Bootstrap, Mermaid
- DevOps / Infra : GitHub Actions, Scalingo (PaaS), Scaleway (Object Storage, Functions), Docker, oauth2-proxy
- Qualité / Sécu : pytest, Ruff, Bandit, Gitleaks, Sentry, OpenTelemetry
- Club MedAI Engineer | RAG, Agents & LLMOpsDIVERTISSEMENTS & LOISIRSmai 2023 - juin 2025 (2 ans et 1 mois)Paris, France🎯 Objectif de la missionConception et mise en production, sur 2 ans, d'une plateforme backend d'IA générative pour le Global Marketing Digital & Technology de Club Med : ingestion documentaire, RAG complet, orchestration multi-agents, gateway LLM multi-modèles (LiteLLM), exposition de la data via des APIs internes, et automatisation d'une infrastructure cloud scalable avec une démarche FinOps.🔧 Réalisations
- Conception et mise en production d'une plateforme d'IA générative complète : ingestion documentaire, RAG complet, orchestration multi-agents et gateway LLM multi-modèles via LiteLLM — 2 ans en production auprès des équipes Global Marketing.
- Monitoring et observabilité LLM (Langfuse) : suivi des coûts, latences, qualité de génération et détection des dérives en production.
- Tests de non-régression et évaluation automatisée des réponses LLM (Promptfoo, approche LLM-as-judge) : un second modèle note les sorties pour verrouiller la qualité à chaque évolution du système.
- Développement d'APIs Python / FastAPI pour exposer la data en libre-service aux équipes métier — services backend conteneurisés, déployés en continu sur le cloud.
- Stratégie FinOps sur le périmètre GCP : -50 % de coûts cloud sans dégradation de service, dont l'optimisation des coûts d'inférence LLM (caching, batching, modèles calibrés par tâche).
- Automatisation de l'infrastructure cloud en IaC (Terraform) et industrialisation des pipelines CI/CD.
🧰 Stack technique- Backend : Python (FastAPI, uv, Streamlit), SQL, Bash
- IA générative : LiteLLM, LangChain, ChromaDB, Vertex AI, Flowise, Langfuse
- Cloud & Data : GCP (BigQuery, Dataform, Cloud Run, Vertex AI, Workflows, CloudSQL)
- Conteneurisation : Docker, Docker Compose, Ansible
- IaC & CI/CD : Terraform, GitLab, GitHub
- Livetrend.coCloud Engineer | Multi-Cloud GCP/AWS & PostgreSQLMODE & COSMÉTIQUESmars 2025 - mai 2025 (2 mois)Paris, France🎯 Objectif de la missionÉvaluer AlloyDB (GCP) comme alternative rentable à Aurora (AWS) pour Livetrend.co (mode B2B) en reproduisant une configuration de production réaliste multi-cloud, avec refonte de la connectivité inter-cloud et adaptation des jobs backend pour garantir l'équité des comparaisons.🔧 Réalisations
- Architecture réseau inter-cloud opérationnelle (VPN haute dispo + routage BGP) pour sécuriser les flux backend entre GCP et AWS
- Déploiement d'un cluster AlloyDB managé équivalent à Aurora pour benchmark à iso-configuration
- Adaptation des jobs ETL backend (orchestrés via Prefect) pour s'exécuter dans le nouveau VPC + interaction avec AlloyDB
- Résolution des problématiques réseau backend (DNS, montage inter-VPC, réplication EFS) pour fiabiliser l'ingestion data
- Validation d'AlloyDB pour la production avec meilleur rapport performance/coût + identification des points bloquants d'une migration à grande échelle
🧰 Stack technique- Backend Data : PostgreSQL (AlloyDB, Aurora)
- Cloud GCP : AlloyDB, Cloud VPN, Cloud Router, VPC
- Cloud AWS : ECS, EFS, Aurora PostgreSQL
- Réseau : HA-VPN, BGP, Site-to-site VPN, VPC Peering
- Orchestration : Prefect
Avis
Recommandations
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Diplôme d'ingénieur, GénéralisteEcole Centrale de Marseille2022Diplôme d'ingénieur, Généraliste