Qui est derrière le cabinet

Data engineering et data ops

Le socle du métier, et la partie où l'expérience est la plus profonde. Pipelines d'ingestion et de transformation, en batch comme en streaming, orchestration avec Airflow et Dagster, et l'exploitation en production d'un ETL interne servant plus de 600 projets sur trois environnements. Avec tout ce qui ne se voit pas dans une démonstration : lineage, reprise sur incident, gouvernance des accès en Terraform, et optimisation continue des coûts.

Deux façons de mettre l'IA en production

Par les modèles de pointe : serveur MCP en production, tool-use chaîné, prompt caching, parsing multimodal de documents, garde-fous déterministes sur les sorties critiques. Cinq certifications Anthropic validées et deux applications en service. Ou par des modèles à poids ouverts installés sur votre infrastructure : le cabinet publie son propre agent local sous licence MIT et contribue au moteur d'inférence qui le fait tourner. Un modèle ouvert n'est annoncé capable d'une tâche qu'une fois mesuré sur banc.

Sécurité, gouvernance et conformité

Chiffrement de données financières sensibles, gouvernance IAM à l'échelle, conformité RGPD portée en responsabilité sur des missions clients. Côté IA, une défense contre l'injection de prompt développée et publiée en open source, parce qu'un modèle qui lit un document externe lit aussi ce qu'on y a dissimulé.

Responsabilité économique

Deux comptes stratégiques d'environ 3 M€ pilotés, vingt consultants encadrés, avant-vente et roadmaps de delivery. Un projet IA se défend devant un comité d'investissement autant que devant une équipe technique.

Formation

Langues