IA & Automation
De l'IA opérationnelle, pas du POC.
Je déploie de l'IA dans des entreprises réelles : automatisation de processus métier, prompt engineering ciblé, intégration de modèles Vision & Voice. Tout ce qui suit tourne en production.
Ma méthode part toujours du coût d'un processus avant d'y mettre de l'IA. L'objectif n'est pas la techno, c'est une économie de temps mesurable et un outil que les équipes maintiennent.
Pour l'IA appliquée à l'ingénierie elle-même — agents, workflows, CI/CD — voir la carte Agents & outillage.
Cas concrets
~92h/mois économisées · temps de rappel ÷2
- Pipeline commercial 100% IA : enrichissement auto des leads, attribution intelligente (2 setters / 3 closers).
- Messages personnalisés pré-appel et dashboards de pilotage temps réel.
Stack Make · n8n · GoHighLevel · Pabbly · Supabase · Next.js
90% des rapports immobiliers pré-remplis · conçu avec BMAD
- Application Web & Mobile (React Native offline-first) qui automatise les états des lieux : détection IA des matériaux, couleurs, usures.
- Conçu en agile piloté par agents IA (méthode BMAD), du PRD à l'implémentation.
Stack BMAD · AI Vision · Voice · Next.js · React Native · SaaS multi-tenant
Score ATS calculé, pas halluciné · jugements IA vérifiables (23 → 41 critères / 48)
- Le LLM extrait et normalise les mots-clés du profil et de l'offre ; le score ATS est ensuite calculé mathématiquement sur l'intersection réelle. Pas d'hallucination, un taux reproductible.
- Scanner public renforcé par des jugements IA vérifiables (JEV / TypeSafe AI) : chaque verdict porte une probabilité et un extrait réellement trouvé dans le CV, et le système s'abstient quand la matière manque. Couverture passée de 23 à 41 critères sur 48 après une itération sur la préparation du texte.
- Développé en agile piloté par agents IA (méthode BMAD), avec agents PM, architecte et dev orchestrés de bout en bout.
Stack BMAD · JEV (TypeSafe AI) · Next.js 16 · React 19 · Supabase · AI SDK
Stack IA produit
n8nMakeGoHighLevelPabblyAI SDKRAGVisionVoiceSupabasePrompt Engineering
Méthode
- 01Mesurer le coût réel d'un processus avant d'y mettre de l'IA.
- 02Viser une économie de temps mesurable, pas un wow-effect démo.
- 03Former les équipes pour qu'elles maintiennent l'outil après mon départ.
- 04Préférer un système qui s'abstient faute de preuves à un système qui invente.
Agents & outillage
Des agents qui font le travail, pas des prompts jetables.
J'applique l'IA à l'ingénierie elle-même : des workflows agentiques qui exécutent les refontes répétitives et risquées à grande échelle, sans régression, conçus pour être réutilisés et essaimés entre équipes.
Un agent n'est pas un prompt : c'est un processus outillé — contexte, consignes et outils par étape, checkpoints de relecture, et des métriques sur cas réels pour savoir s'il tient ses promesses.
Cas concrets
Workflows agentiques : analyse → plan → implémentation → vérification
Contexte, consignes et outils par étape · checkpoints de relecture · mesure sur cas réels
- Structuration des workflows en quatre étapes explicites, chacune avec son contexte, ses consignes et ses outils, plutôt qu'un prompt monolithique.
- Checkpoints intercalés pour relire les résultats, corriger la trajectoire et valider la poursuite du travail — l'agent ne dérive pas sans reprise en main.
- Tests sur cas réels et collecte de métriques pour évaluer les résultats, identifier les limites et orienter les itérations suivantes.
Stack Claude Code · AGENTS.md · agents spécialisés · slash-commands
Agent de montée de version dans la CI/CD
Agent branché dans la chaîne de livraison · validation humaine après analyse du LLM
- Agent de montée de version des dépendances intégré directement à la chaîne CI/CD : le LLM analyse et propose, un humain valide avant intégration.
- Conçu dès le départ pour être réutilisable en interne, pas pour une seule équipe.
Stack CI/CD · Claude Code · LLM
Revue sécurité assistée par IA
Expérimentation · rapports traçables
- Expérimentation d'un pipeline de revue sécurité assistée par IA, avec production de rapports traçables.
Stack Claude Code · LLM
Migration front-end React 18
352 composants · 4 migrations simultanées · lead (65 % des commits) · ~1 mois
- Lead technique d'une migration majeure menée simultanément (React 16→18, lib UI morte → mdb-react-ui-kit v10, Bootstrap 4→5, Enzyme→React Testing Library) sur ~26 000 lignes / 352 composants, 250 fichiers remaniés.
- Workflow assisté par IA (fichier-pilote AGENTS.md + 4 guides de patterns) garantissant un code sans régression à grande échelle, essaimé aux autres équipes.
- ~−28 000 lignes nettes de dépendances supprimées.
Stack Claude Code · Codex · Cursor
11 familles de composants · ~7 800 lignes de dette supprimées · 4 semaines
- Workflow IA d'ingénierie conçu de A à Z (2 ensembles d'agents autonomes + 4 slash-commands, agnostique de l'assistant) pilotant la refonte complète du design system d'une app React/TS (~14 500 lignes, 189 fichiers).
- Migration ultra-incrémentale fichier par fichier jusqu'au débranchement total de l'ancien socle.
- Toolkit réutilisable (~1 900 lignes de doc, 12 RETEX) essaimé aux autres équipes.
Stack Claude Code · React 18 · TypeScript · react-dsfr
Stack d'ingénierie IA
Claude CodeAGENTS.mdBMADAgents spécialisésSlash-commandsGitLab CI/CDDockerEvals & métriquesCodexCursor
Méthode
- 01Industrialiser l'IA d'ingénierie : des workflows réutilisables et essaimés entre équipes, pas des prompts jetables.
- 02Découper en étapes explicites avec, pour chacune, son contexte, ses consignes et ses outils.
- 03Intercaler des checkpoints : relire, corriger la trajectoire, valider la poursuite.
- 04Mesurer les agents sur des cas réels : métriques, limites identifiées, itérations orientées par les chiffres et non par l'intuition.