Nous construisons des solutions IA
qui transforment votre business

Resume: Agent vocal autonome pour traiter les appels entrants et/ou sortants, qualifier les besoins et lancer des actions metier en temps reel.

Probleme / Contexte: Automatiser la qualification d'appels avec faible latence et donnees structurees, sans degrader l'experience utilisateur.

Solution technique: Architecture Python/FastAPI asynchrone connectee a Twilio via WebSockets. Pipeline STT -> LLM+RAG -> TTS, orchestration asyncio, VAD custom pour barge-in et stockage PostgreSQL.

Defis techniques: Latence de bout en bout, synchro audio temps reel et gestion fiable des interruptions utilisateur.

Resultats / Impacts: Conversation plus fluide, qualification automatisee exploitable et architecture prete pour l'industrialisation.

Resume: Solution IoT/IA pour detecter chutes, cris et ronflements en environnement de soin, avec inference temps reel.

Probleme / Contexte: Ameliorer la surveillance sans surcharger les equipes, avec alertes rapides et precises.

Solution technique: Architecture Azure (IoT Hub, stockage, VM) et modele de classification audio optimise precision/latence, valide avec des professionnels de sante.

Defis techniques: Variabilite acoustique terrain et reduction des faux positifs sous contrainte de faible latence.

Resultats / Impacts: Pipeline de detection deployable en HealthTech, aligne avec les besoins metier terrain.

Resume: Application e-commerce complete, du backend API au frontend, avec deploiement cloud en conditions reelles.

Probleme / Contexte: Contexte entrepreneurial: livrer vite tout en gardant une base maintenable et evolutive.

Solution technique: API REST FastAPI + frontend ReactJS. Deploiement OVH Cloud, routage et securisation via Cloudflare, workflow GitHub prive.

Defis techniques: Cohesion full-stack, securite d'exposition web et workflow de dev industrialisable.

Resultats / Impacts: Plateforme mise en production avec base robuste pour iterer rapidement.

Resume: Developpement de briques IA web/mobile avec vision, cartographie et inference embarquee Android.

Probleme / Contexte: Besoin d'applications terrain performantes, integrables et lisibles pour les equipes metier.

Solution technique: Apps Android Java (Android Studio), detourage via Meta SAM, cartographie OpenLayers et modele deep learning embarque avec DL4J.

Defis techniques: Execution locale des modeles IA et maintien des performances sur terminaux mobiles.

Resultats / Impacts: Livraison d'outils IA operationnels avec adoption facilitee cote equipe et management.

Resume: Systeme de computer vision pour reconnaitre des plantes maraicheres et estimer leur etat de sante.

Probleme / Contexte: Automatiser une analyse visuelle manuelle, lente et variable selon les observateurs.

Solution technique: Approche deep learning basee sur reseaux de neurones pour la reconnaissance d'especes et l'evaluation de sante a partir d'images.

Defis techniques: Variabilite des images, stades de croissance heterogenes et distinction stress reel/variation naturelle.

Resultats / Impacts: IA actionnable pour le suivi agronomique et l'amelioration de pratiques durables.