Timothée Afonso

Ingénierie en intelligence artificielle et machine learning appliquée à différents projets d’IA. Intervention sur la conception, le développement et la mise en production de modèles prédictifs. Les domaines d’expertise incluent la maintenance prédictive, la détection d’anomalies, la prévision de pannes ainsi que la prédiction de prix à partir de données historiques et contextuelles. Utilisation d’approches avancées de data science et de modèles de machine learning pour transformer les données en insights exploitables, afin d’améliorer la fiabilité des systèmes, anticiper les défaillances et optimiser les décisions métier.

Automatisation de la détection d’objets, de la modélisation 3D et de l’estimation des dimensions à partir d’images pour le stockage. Ce système supprime la saisie manuelle ainsi que les limites liées à la base de données. Tous les nouveaux objets sont compatibles grâce à une génération automatique de modèles 3D. Workflow complet exécuté en 3 minutes, grâce aux méthodes de Machine Learning, Deep Learning, LLM et techniques avancées de modélisation 3D. Cette solution permet une optimisation significative du temps de traitement, avec une réduction de plus de 75 % du temps nécessaire à la gestion de grands volumes d’objets à stocker.

Développement et déploiement de solutions via API sur Google Cloud Platform, assurant scalabilité, haute disponibilité et intégration fluide avec les workflows de données existants.

Pilotage d’un projet de R&D en méthodologie agile CPMAI, couvrant l’ensemble du cycle de développement, de la compréhension du besoin et la collecte des données jusqu’à l’évaluation et l’optimisation des modèles. Réalisation d’une recherche bibliographique approfondie afin d’orienter les choix techniques et méthodologiques.

Conception et développement d’un système d’aide à la décision basé sur l’intelligence artificielle pour la détection d’étiquettes sur des sacs de semences en environnement industriel. Mise en œuvre d’un algorithme de deep learning pour la détection d’objets, complété par des approches de machine learning et de traitement d’images pour la détection d’anomalies.

Prise en compte de fortes contraintes de temps réel dans un contexte de production en mouvement. Mise en place et configuration du matériel de capture d’images (caméras), ainsi que développement d’une interface utilisateur dédiée.

Collaboration étroite avec des équipes pluridisciplinaires afin de clarifier les besoins fonctionnels et garantir une solution alignée avec les exigences métier.