À propos de Thomas
Comment déployer un système autonome d'Agents IA ?
Qui soit fiable, auditable, qui exécute des tâches métier en production en respectant les contraintes de coûts ? C'est mon domaine de R&D favori depuis l'accès public des premières briques d'intelligence que représente l'IA générative.
Mon expérience :
🏭 Data Scientist chez Qualcomm — Computer Vision & XR
Dans un environnement de production industrielle : des modèles qui tournent sur du hardware contraint, à l'échelle, avec les exigences de robustesse d'un acteur semi-conducteurs. Ce n'est pas du prototypage, c'est de l'ingénierie livrable. Je transpose cette rigueur edge/hardware aux systèmes agentiques.
🤖 Agents IA autonomes & systèmes cognitifs
Le cœur de ma pratique. Je conçois des architectures multi-agents qui raisonnent, décident et exécutent :
- Orchestration de flux cognitifs complexes avec gestion d'état rigoureuse et garde-fous typés ;
- Frameworks : PydanticAI (sorties structurées, validation forte) ;
- Interopérabilité outillage via Model Context Protocol (MCP) — le standard qui découple agents et capacités ;
- Architecture multi-modèles : le bon modèle pour la bonne tâche, pour respecter les contraintes de coûts.
☁️ Infrastructure IA scalable & MLOps edge
Un agent sans infra robuste, c'est une démo. Je déploie pour la production :
- Clusters Kubernetes, conteneurisation Docker
Déploiement On-Premise / Cloud / hybride, souveraineté et maîtrise des coûts (FinOps) ;
- Edge AI sur hardware spécifique, optimisation de l'inférence.
🔍 RAG avancé & data engineering
Le socle qui ancre les agents dans vos données :
- Agentic RAG, bases de données vectorielles, graphs, injection de contexte dynamique.
📍 Basé à Bordeaux. Missions en full-remote ou hybride (déplacements ponctuels possibles).
💬 Vous avez un système autonome à concevoir, sécuriser ou passer à l'échelle ? Parlons architecture.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
En télétravail uniquement
Travaille majoritairement à distance
Expériences
- Agentic Systems EngineeringR&D Indépendant — Multi-Agents & InfraHIGH TECHseptembre 2022 - Aujourd'hui (3 ans et 9 mois)Bordeaux, FranceConception d'un swarm d'agents autonomes à auto-réplication — architecture agentique production-grade de bout en bout.🧠 Couche cognitiveAgents typés sous PydanticAI (sorties structurées validées, fiabilité des appels LLM), runner asyncio custom avec boucle de message à priorités et mode préemption — gestion explicite du contexte, des reprises sur erreur et des cycles de réflexion autonome (idle / cron).🔌 InteropérabilitéExposition de toutes les capacités via serveurs MCP découplés (filesystem, exécution sandboxée, websearch, Telegram, orchestration swarm), architecture fractale où chaque agent n'hérite que des outils explicitement délégués par son parent — garantie d'isolation et de moindre privilège.🧬 Mémoire & contexteSystème mémoriel à quatre niveaux inspiré des sciences cognitives (Tulving) — mémoire de travail (context window), épisodique-fil (Redis, TTL 24h), épisodique-swarm (TimescaleDB hypertable, append-only journal) et sémantique (pgvector + recherche textuelle) pour l'injection dynamique de connaissances inter-sessions.⚙️ InfrastructureAgents conteneurisés en Docker/Pod Kubernetes, spawning dynamique via MCP deploy (le swarm se déploie lui-même), daemon stateless garantissant la haute disponibilité de l'agent principal, routage par rôle via Redis Sorted Sets avec priorités et préemption — architecture multi-modèles (modèle léger pour le routage / délégation, modèle lourd pour le raisonnement) pour maîtriser le coût d'inférence.✅ Résultat validéSwarm autonome stable sur des tâches multi-étapes avec délégation hiérarchique, observabilité complète (journal structuré par événement, traces LLM par tool call, métriques de queue), reproductible et redéployable On-Premise.
- QualcommData Scientist — Computer Vision & XRHIGH TECHdécembre 2022 - Aujourd'hui (3 ans et 6 mois)Bordeaux, FranceConception et déploiement de modèles de vision par ordinateur pour des cas d'usage XR, AR et IoT, sous contraintes de production industrielle : latence, robustesse, hardware embarqué.🎯 Démo & intégrationDémo des modèles & intégration fluide avec des agents AI pour cas d'usage concrets (AI assistant pour Smart Glasses, live Stable Diffusion, etc.).⚡ Optimisation modèlesQuantization, fine-tuning pour respecter les budgets compute/mémoire du hardware cible tout en améliorant la qualité.🧠 Algorithmes CVDétection, segmentation, estimation de pose — conçus pour l'amélioration de nos modèles de Deep Learning.🏗️ Rigueur d'ingénierie NASDAQ-100Conteneurisation, scalabilité, versioning, reproductibilité, validation.
Recommandations
Soyez le premier à recommander Thomas
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
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
- Master spécialisé | Ingénieur IAOpenClassrooms2022
- Master | Ingénieur informatiqueEPSI, l'école d'ingénierie informatique2021