Docteur en informatique spécialisé en machine learning, je conçois des produits IA pour la santé & les entreprises.
Chercheur en IA spécialisé santé — apprentissage multimodal, risque clinique, IA générative. Je développe aussi des produits IA concrets pour les hôpitaux et les TPE.
Je suis ingénieur en IA & Machine Learning, docteur en informatique (nov. 2023), spécialisé en santé. Ma thèse, menée avec le CHU d'Amiens, portait sur l'analyse du mouvement par IA — appliquée notamment à la maladie de Parkinson.
Je suis actuellement post-doctorant à l'Université de Picardie Jules Verne sur le projet RAUC : un parcours de soins optimisé pour les urgences chirurgicales digestives, avec de l'IA pour prédire les complications post-opératoires. Auparavant, j'ai dirigé le pôle IA & Data Science Santé chez Capgemini Engineering sur un assistant médical par IA générative, en coordonnant une équipe de 15 à 20 personnes.
En parallèle, je conçois des produits IA concrets pour la santé et les TPE, avec une expertise solide en systèmes LLM, RAG multimodal, vision par ordinateur (imagerie médicale), IA explicable et ML en production.
Produits & applications — en usage ou en développement actif.
ERP full-stack pour artisans & TPE français, en développement avancé : devis, factures, avoirs, acomptes, facturation électronique (Factur-X), abonnements Stripe, OCR, dictée vocale (Whisper) et assistant IA conversationnel. Audit RGPD, design system « Atelier » maison.
POC santé générant des ordonnances françaises structurées à partir d'une dictée vocale (whisper.cpp local) via un agent Claude pilotant un serveur d'outils MCP — formulaires réglementés PERFADOM / OAH, RBAC et contrôle d'interactions. Données 100 % fictives ; archivé — a débouché sur Ordo, une version recentrée et orientée marché.
Application web réalisée pour un radiologue du CHU d'Amiens afin de générer le planning mensuel du service — 5 spécialités, rotation sur 6 semaines, verrous manuels avec régénération automatique. 100 % côté client (React + Vite), persisté en localStorage.
Appli Flutter multiplateforme avec backend Supabase : suivi de séances offline-first (Drift/SQLite) + sync cloud, séances partagées en temps réel, et moteur de progression hebdomadaire algorithmique. En bêta fermée sur Google Play — génération de programmes par IA prévue.
Petites expérimentations open source — du code Python où un agent apprend à jouer ou à évoluer de zéro.
100 agents apprennent Flappy Bird de zéro par neuro-évolution NEAT ; l'un bat le record humain en ~30 générations.
GitHub ↗Tireur contre gardien entraînés en self-play, convergeant vers l'équilibre de Nash (stratégie mixte).
GitHub ↗Des mini-agents apprennent le foot en 1v1 et en équipe par renforcement — tir, dribble et parade émergent seuls.
GitHub ↗Un agent Deep Q-Network apprend à jouer à Pac-Man depuis l'état brut du jeu.
GitHub ↗Un agent RL joue à Space Invaders avec visualisation en direct du réseau de neurones qui s'active.
GitHub ↗Snake maîtrisé par Deep Q-Learning, avec comparaison multi-agents en split-screen.
GitHub ↗Simulation de vie artificielle : des cellules pilotées par de petits réseaux de neurones se reproduisent, mutent et évoluent par sélection naturelle.
GitHub ↗Démonstrateur d'assistant médical par IA générative, traitement multimodal : OCR analyses sanguines, Whisper STT, fine-tuning LLM pour résumés cliniques, RAG multimodal.
Segmentation par Transformers (UNetR, SwinUNet) pour la détection précoce de la prééclampsie sur images Doppler 3D. Soumis à CMIG 2025 (co-auteur).
Modélisation du mouvement appliquée à Parkinson et à la reconnaissance d'activité. Deep learning (RNN, LSTM, CNN), algorithmes génétiques, représentations matricielles interprétables. 3 publications.
Toujours partant pour échanger sur l'IA & le ML — surtout en santé et sur des produits concrets. Écrivez-moi.