Coursera × DeepLearning.AInov. 2025 — janv. 2026
Spécialisation PyTorch pour le Deep Learning
Vision par ordinateur et architectures CNN, NLP, fine-tuning, optimisation de modèles, PyTorch Lightning et Optuna, déploiements ONNX et MLflow.
Développeur 5 ans d'expérienceApplied AI EngineerAvignon, France
JulienLucas.
- Ingénierie IA appliquée
- Développeur 5 ans en startups et scaleups
- Produits IA
Cinq ans à coder pour des startups. Aujourd'hui je construis des systèmes IA à forte valeur ajouté (agents IA, RAG agentique, LLM), trois produits en prod.
Discuter d'un projet
Merci Claude Code pour le designFaites défiler ↓
Ce que j'ai
construis en IA.
Trois produits IA en production, construits seul, des modèles jusqu'à la facturation. À côté, j'accompagne en freelance des équipes et dirigeants de PME qui veulent passer à un système IA en prod : agents, RAG, fine-tuning. Le tout depuis un petit appart à Avignon.
Trois systèmes IA en prod.
Chacun est parti d'un problème que j'avais sous les yeux, et chacun tourne aujourd'hui en production — modèle, back, front, paiement, monitoring. Construits seul, de bout en bout.
Avantquelques selfies
Aprèsportraits générés
Produit 02 · 2026
Closechat
IA.
IA.
closechat.coEn prod
Prospable
Total prospects804 / ∞
Emails envoyés ces 30 derniers jours752 / ∞0.8%rebond2.9%réponses
En attente ou non en campagne433123programmés
Taux d'envoi46%
Messages reçus
- Alan L.il y a 2 hRe: Félicitations pour la levéeBonjour Julien, j'estime qu'on peut…
- Caroline G.il y a 21 hRe: Caroline, génération de leadsBonjour Julien, merci pour votre…
Intentions détectées
27 aujourd'hui- Elliott A.il y a 2 heuresDécideur en poste depuis peu
- Nicolas R.il y a 5 heuresDécideur sur offre d'emploi
Envois
117 aujourd'hui- Elliott A.MessageMerci pour votre retour…8 sept.
- Guillaume M.EnvoyéGuillaume, une question…8 sept.
2026 · entre deux séssions de Claude
Partie III / Mon CV de développeur
Cinq startups et scaleups. Intérim disruptée, telecom, épargne, e-learning
Avant de passer à l'IA, j'ai été développeur pendant cinq ans.
- iziwork
- 2020 — 2021
- Reezocar
- 2021
- Sewan Group
- 2021
- Corum l'Épargne
- 2022
- Smartch (Lead)
- 2022 — 2023
- Total
- 5 ans
Partie IV / Les certifications
Deux certifications IA
Coursera × IBMjuin 2025 — sept. 2025
AI Engineering Professional Certificate — RAG et IA agentique
Agents IA, RAG, MM-RAG, RAG agentique, et fine-tuning de modèles en DPO, PPO, LoRA, QLoRA, instruction-tuning et PEFT.
J'ai eu envie d'aller plus loin que le dev "classique". Je voulais comprendre les architectures d'agents, les modèles depuis la backprop jusqu'au RAG agentique, parce qu'on ne construit pas en confiance ce qu'on n'a pas démonté.
Certifié par
Services. Du POC à la prod
01
RAG sur documentation interne
Tous secteursIndustrieFinance
Problème
Vos collaborateurs perdent du temps à chercher l'information dans des documents éparpillés : SharePoint, Confluence, drives, wikis internes.
Solution
Un système RAG (Retrieval-Augmented Generation) qui indexe toute votre documentation interne, respecte les permissions existantes, et répond avec citation des sources. Déployable dans Teams, Slack ou en interface dédiée.
Impact
Réduction de 45% du temps de recherche d'information. Adoption massive car intégré dans les outils existants.
02
Agents IA métier
FinanceIndustrieServices B2B
Problème
Des processus métier répétitifs mobilisent vos équipes sur des tâches à faible valeur ajoutée : saisie, vérification, extraction, classification.
Solution
Des agents IA autonomes qui exécutent des tâches métier complètes : extraction de données depuis des documents, vérification de conformité, génération de rapports, orchestration de workflows multi-étapes.
Impact
Automatisation de 70-80% des tâches répétitives. Les équipes se concentrent sur l'analyse et la décision.
03
Déploiement IA générative en production
PMETous secteurs
Problème
Vous avez testé des POC avec GPT ou Claude, mais le passage en production bloque : sécurité des données, intégration SI, coûts, fiabilité.
Solution
Architecture production-grade pour l'IA générative : choix du modèle adapté (Claude, Mistral, GPT, open-source), guardrails, monitoring des coûts et de la qualité, intégration dans votre SI existant. Hébergement souverain si nécessaire.
Impact
Passage du POC à la production en 8-12 semaines. Coûts d'inférence optimisés. Monitoring continu de la qualité.
04
Contrôle qualité visuel par IA
IndustrieAgroalimentairePharma
Problème
Le contrôle qualité manuel est lent, coûteux et sujet aux erreurs humaines. Les défauts passent à travers les mailles du filet, surtout en cadence élevée.
Solution
Système de computer vision entraîné sur vos données de production : détection de défauts en temps réel, classification automatique, alertes et traçabilité complète. Déployable sur edge ou dans le cloud.
Impact
Détection de 95%+ des défauts. Réduction de 60% du temps de contrôle. ROI en moins de 6 mois.
Quatre POCs. De la R&D
J'ai vulgarisé sur Youtube,12 000 abonnés
Impossible de charger les vidéos pour le moment.
Un problème à résoudre ? Parlons-en.
13K+ abonnés sur Linkedin
Ingénieur IA freelance · Avignon · Mobile