Description

Mettre un système IA en production en 2026 implique de gérer

simultanément quatre risques que la plupart des POC ignorent :

L'exposition de données sensibles au LLM,
La dépendance à un fournisseur unique (hyperscaler ou modèle),
L'absence de traçabilité des décisions en vue d'un audit AI Act,
Le non-contrôle des coûts d'inférence à grande échelle.

C'est sur ces quatre axes que je structure mes interventions depuis 9 ans, sur des projets Data/IA en production.

La méthode est constante :

Agents en LangGraph
RAG vectoriel avec anonymisation NER en amont du LLM
Multi-agents orchestrés
Hébergement Scaleway et/ou tout autre acteur Français ou Européen selon le contexte
LangSmith ou LangFuse pour la traçabilité
Budgets tokens pour la maîtrise des coûts
Fallback de modèle pour la continuité
Journal de décisions interrogeable pour la conformité

Contexte : je co-dirige depuis 2019 DPLIANCE, éditeur de solutions Data & IA souveraines basé à Poitiers. Le studio édite Mirage Analytics, Complio et Cookilio, et livre des solutions IA sur mesure hébergées en Europe. Notre logiciel de conformité au RGPD est utilisé par plusieurs centaines d'organisations en France.

Références récentes :

Lauréat du Challenge Data/IA ADEME 2024 — agent autonome connecté à l'API SIRENE pour vérifier l'éligibilité aux aides publiques.
Au sein d'une équipe internationale, nous avons remporté un appel d'offre grand compte sur un PoC à 70M€ (communication exclusivement en anglais).
Enseignant vacataire IA, cybersécurité IA et MLOps en École d'Ingénieurs et Université (ESIGELEC, IUT La Rochelle).

Trois formats d'intervention :

Audit de risque AI Act sur un système IA en production.
Conception et mise en production d'un système agentique de A à Z.
Chief AI Officer fractional pour cadrer une trajectoire IA.

Si une de ces problématiques est dans votre actualité, deux lignes suffisent pour engager la discussion.

heure.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

ESIGELEC
Intervenant - Déploiement IA, MLOps et Cybersécurité
EDUCATION & E-LEARNING
novembre 2025 - décembre 2025 (1 mois)
Poitiers, France
Enseignement d'un cours de 30 heures en tant que vacataire couvrant le Déploiement Sécurisé de Solutions d'IA en environnement de production pour des étudiants en dernière année d'École d'Ingénieurs.

Programme complet :
Déploiement cloud (AWS, GCP, Azure)
MLOps robuste
Cybersécurité spécifique à l'IA et cas d'usage réels

Évaluation mixte : contrôle continu (50%) et examen formel (50%).
Pédagogie Formation Architecte Cloud Sensibilisation à la cybersécurité intelligence artificielle
Nodac
Plateforme IA d'Intelligence Prospect LinkedIn
EDITION DE LOGICIELS
mai 2025 - août 2025 (3 mois)
Poitiers, France
Intégration IA & Infrastructure :
Implémentation LLM via GroqCloud (confidentialité données, modèles open-source, architecture évolutive)
Monitoring production avec LangSmith (traçabilité requêtes, performance, coûts)
Orchestration LangChain pour gestion appels LLM (modularité, scalabilité)
Sécurité & Conformité :
Anonymisation via NER (Named Entity Recognition) avant traitement LLM (RGPD-compliance)
Optimisation Algorithmique :
Migration de l'algorithme de clustering : K-Means → DBSCAN
IA générative Machine learning Python RGPD Architecture SI
Data Retail Business
Conception & Architecture d'un Système Multi-Agents IA
IMMOBILIER
avril 2025 - juillet 2025 (3 mois)
Poitiers, France
Phase Stratégique & Architecture
Analyse approfondie : Évaluation de la problématique métier et identification des flux optimisables via l'IA multi-agents
Design de l'architecture : Conception d'une orchestration distribuée d'agents spécialisés (modèle hiérarchique avec orchestrateur central)
Stack technique : Sélection et intégration des outils (OpenManus, frameworks d'orchestration, APIs cloud)
Phase Technique d'Implémentation
Développement du système multi-agents : Agents spécialisés avec rôles clairs, mécanismes de collaboration et communication inter-agents
Prompt Engineering & LLM Configuration :
Rédaction d'instructions sophistiquées (chain-of-thought, CoT) pour chaque agent
Fine-tuning des paramètres (température, top-p, max_tokens) selon le contexte
Testing itératif pour optimiser la qualité des réponses
Phase d'Intégration Cloud
API OVH Cloud AI : Mise en place de la connexion sécurisée aux endpoints propriétaires
Data Pipelines : Connexion aux données métier existantes (bases, data warehouses) pour alimenter les agents en contexte
Infrastructure : Configuration pour scalabilité et observabilité
Livrables Clés
Document d'architecture détaillé avec diagrammes d'orchestration
Système multi-agents fonctionnel et testé
Bibliothèque de prompts optimisés (documentation + cas d'usage)
Configuration cloud reproductible + guide opérationnel
Métriques de performance et recommandations d'amélioration
Prompt engineering Architecture SI Agent IA Gestion de projet technique Python

Consulter toutes les expériences de Hichem

Xavier

Nodac

Avis laissé le 15/07/2025

Excellent freelance !! Une maitrise de son sujet, et une expertise qu'il prend plaisir à partager sur le ML et j'en avais bien besoin. Le travail est propre et la communication est super. Les délais ont un peu débordés mais c'est un problème inhérent aux solutions tech, faire des aller-retours. Il faut savoir être flexible !! Je retravaille avec Hichem dès que je peux. Merci beaucoup pour tes services.