À propos
Le problème métier
d'abord, le modèle ensuite.
Ingénieur IA et consultant en automatisation qui construit des agents LLM, des pipelines RAG et des systèmes vocaux qui tiennent en production, pas seulement en démo. Chaque système part d'un problème opérationnel et remonte jusqu'à la plus petite architecture qui l'élimine.
Ce que je pense de ce métier
Les démos sont faciles. La production, c'est le métier.
La plupart des projets IA meurent entre le notebook et le déploiement. Je construis la partie qui survit : évaluation, solutions de repli, observabilité, et des systèmes robustes qui se tiennent quand de vrais utilisateurs arrivent.
Le problème métier d'abord, le modèle ensuite.
Chaque système que je livre part d'une douleur opérationnelle : des leads qui pourrissent dans une boîte mail, des files de support en feu, du savoir enfermé dans des PDF. Je remonte ensuite jusqu'à la plus petite architecture qui l'élimine.
Full stack, de bout en bout.
Orchestration d'agents dans LangGraph, recherche documentaire sur index hybride, back-ends FastAPI et front-ends React. Une seule personne porte l'ensemble du système, donc rien ne se perd au passage de relais.
La même boucle,
pour chaque système.
Que ce soit un poste, une mission client, ou quelque chose livré seul. Les étapes ne changent pas ; seule leur durée change.
I work directly with you on architecture and implementation. Scope, responsibilities, and any additional contributors are agreed before an engagement starts.
- 01
Comprendre
Le vrai problème et ses contraintes, avant de toucher un modèle ou un framework. Résultat : une vision claire de ce que la production exige réellement.
- 02
Concevoir
Architecture système, choix de modèles et flux de données, réfléchis et écrits avant la moindre ligne de code.
- 03
Construire
Une implémentation orientée production en itérations courtes, testée tôt sur de vraies entrées et non sur des entrées synthétiques.
- 04
Livrer
Déployé, supervisé et documenté. Pas de boîtes noires et pas de trous au passage de relais.
- 05
Améliorer
Évalué et ajusté après la mise en ligne. Les systèmes s'améliorent en production, ils ne se dégradent pas.
Le parcours salarié présente mon expérience professionnelle. Mes prestations indépendantes ne sont ni soutenues ni approuvées par mes employeurs.
Expérience
De l'entreprise,au produit, à l'IA.
Cinq postes, chacun une part différente d'une même progression : comprendre comment se construisent les systèmes d'entreprise, apprendre à penser en produits, puis construire les systèmes IA eux-mêmes.
Construit des systèmes d'IA générative et d'IA agentique de niveau production pour l'entreprise, en privilégiant les systèmes qui restent fiables sous charge réelle plutôt que les prototypes expérimentaux.
À propos de In Time TecGlobal AI & software partner
A global technology partner trusted by enterprise clients across the US, built on a rare promise: ROI, or they don't get paid.
- Construit des applications d'IA agentique et LLM en production avec LangGraph et FastAPI
- Conçoit des architectures RAG sur LlamaIndex et Qdrant avec recherche hybride et génération ancrée
- Développe des agents IA scalables sur Python, Azure AI et Redis avec orchestration de flux à état
- Met en place les mécanismes de sûreté et de fiabilité : masquage des données personnelles, sécurité des contenus et détection de contournement
- Améliore les systèmes en production par l'observabilité et l'exécution parallèle
Formation
B.Tech, informatique
JK Lakshmipat University, Jaipur
Baccalauréat, physique, chimie, mathématiques
Delhi Public School, India
Collège
St. Anselm's Pink City Sr. Sec. School
Comment je travaille avec les équipes
Je travaille à distance avec des équipes internationales. Nous convenons des horaires et du mode de collaboration avant le projet.
Disponible pour du conseil et du développement IA indépendants.
Comment se déroule une mission
La plupart des missions commencent par l'audit, parce qu'un premier pas fixe et délimité est ce qui rend décidable un second pas plus grand. Rien de ce qui suit n'est un forfait : les étapes existent pour que vous puissiez vous représenter la forme, et le périmètre est écrit avant que l'un ou l'autre ne s'engage.
- 01
Audit
Scope agreed first · Point de départ habituel
A fixed-scope look at the workflow you want automated or the AI feature you want built: what the data actually looks like, which parts genuinely need a model, which parts are better off deterministic, and what production would cost to run.
Vous obtenez
A written architecture and a build plan you own, whether or not the build happens with me. - 02
Build
Milestones agreed together
Implementation in short iterations against real inputs, not synthetic ones. You see working software every week, and the architecture from the audit is the thing being built, so scope arguments happen on paper rather than in code.
Vous obtenez
A deployed system, its evaluation harness, and documentation someone else on your team can pick up. - 03
Run
Support by agreement
The part most AI projects skip. Models drift, prompts rot, upstream APIs change their output shape, and a pipeline that was accurate in month one is quietly wrong by month four unless someone is measuring it.
Vous obtenez
Monitoring, evaluation runs, and a monthly note on what changed and what it cost.
Ce que je ne prends pas
Quatre choses qui reviennent assez souvent pour être dites à voix haute. Aucune n'est un jugement sur ce travail ; ce sont des endroits où quelqu'un d'autre fera mieux que moi.
- Entraîner un modèle de zéro
- Du fine-tuning là où il se justifie, oui. Pré-entraîner un modèle de fondation est une autre discipline avec un autre budget, et celui qui vous dit que c'est la réponse à un problème métier vend généralement l'entraînement.
- Un chatbot sans système derrière
- Emballer une API dans une fenêtre de discussion prend un après-midi et ne règle rien de durable. Ce qui vaut d'être payé, c'est la recherche documentaire, l'évaluation et l'exploitation autour, et c'est précisément là que les démos qui ne sortent jamais se plantent.
- Design ou identité de marque seuls
- Les interfaces ici sont faites pour rendre le système lisible, pas pour gagner un prix de design. Si le livrable est un système de marque ou une identité visuelle, il vous faut un studio, et la construction n'en sera que meilleure.
- Renfort d'équipe à l'heure
- Les missions sont cadrées sur un résultat, avec une architecture écrite derrière. Un siège ouvert sur un backlog est un vrai service et un achat raisonnable ; ce n'est simplement pas celui-ci.