Expérience

Contexte

Les équipes opérationnelles internes avaient besoin d’un système d’IA fiable pour un flux opérationnel complexe, propre au domaine, impliquant plusieurs rôles et des logiciels déjà en place.

Responsabilités et collaborateurs

Je travaille au cadrage du problème, à l’architecture, à la mise en œuvre, à l’évaluation, au déploiement et à l’itération avec des parties prenantes de la fabrication, des experts du domaine, des architectes, des scientifiques des données, des ingénieurs de données et des ingénieurs logiciels. Mon titre officiel reste Data Scientist; à l’intérieur de l’initiative, j’exerce un leadership technique sur le développement du système.

Approche système

La solution est une application multiagent complexe, en contexte manufacturier. Mon travail comprend la coordination des responsabilités des agents, la logique applicative, l’état structuré, l’évaluation, la supervision humaine, le déploiement infonuagique et l’intégration aux systèmes d’entreprise.

Décision d’ingénierie

Une décision centrale: traiter les modèles de langage comme des composantes à l’intérieur d’un logiciel contrôlé, et non comme des systèmes autonomes. La fiabilité vient de limites claires, de la validation, de la revue et d’une gestion explicite des échecs.

Évaluation

L’évaluation porte sur l’achèvement de la tâche, la cohérence, le respect des contraintes, les modes de défaillance, et la capacité des experts du domaine à utiliser le système efficacement. Les constats issus de la revue avec les utilisatrices et utilisateurs alimentent les itérations suivantes.

Étape

Ingénierie interne active avec les parties prenantes de la fabrication. Le déploiement et l’intégration se poursuivent.

Comment ces systèmes sont ancrés, contraints et évalués →

Champs de contribution

• Architecture technique
• Ingénierie d’application multiagent
• Évaluation et analyse des échecs
• Supervision humaine
• Déploiement infonuagique
• Livraison transversale

Les professionnelles et professionnels indépendants de la santé mentale gèrent souvent l’horaire, la facturation, les reçus, les rappels et les renseignements sur la clientèle à travers des outils déconnectés. OneClick est la plateforme administrative que j’ai cofondée pour rassembler ce travail. Ce n’est pas un logiciel de documentation clinique.

Je porte les décisions produit, l’architecture, l’ingénierie, la sécurité, le déploiement et l’exploitation, en parallèle du travail chez CAE. Le produit a été co-conçu avec des cliniciennes et des cliniciens en exercice — sept cycles de séances avec 38 professionnelles et professionnels de la santé mentale.

Le lancement public est prévu en octobre 2026. Le cas produit complet, y compris les captures d’interface, se trouve sur la page OneClick.

Cas produit OneClick →

Avant le travail agentique actuel, les équipes opérationnelles avaient besoin de systèmes d’apprentissage automatique capables de prévoir la demande et d’appuyer des décisions de maintenance à partir de séries temporelles et de données d’équipement complexes.

J’ai conçu, entraîné, validé et aidé à mettre ces modèles en production avec des experts du domaine et des homologues en ingénierie: maintenance prédictive par apprentissage profond, prévision de la demande, traitement de données à grande échelle, inférence planifiée et surveillance. Un travail antérieur connexe chez CAE comprenait des systèmes de parole et de modèles de langage pour des environnements bruyants et des documents techniques.

Notes sur l’apprentissage automatique en production →