● Intelligence artificielle

Au quotidien, je code avec des agents IA : ils lisent le dépôt, écrivent, lancent le lint et les tests, vérifient le rendu dans un vrai navigateur. Moi, je fixe le cap, je relis et je tranche. Résultat : des délais en jours, pas en mois, sans rien lâcher sur la qualité.

Agents de code

Un agent qui travaille dans le dépôt, le terminal et le navigateur. Ce portfolio en entier a été construit ainsi, captures comprises.

MCP & connecteurs

Le Model Context Protocol branche l'agent sur les vrais outils : hébergement, base de données, suivi d'erreurs, maquettes.

IA dans vos produits

Assistants, recherche dans vos documents, tri et rédaction automatiques, branchés sur les API des grands modèles de langage.

Vision par ordinateur

Chez Avumi, un scanner corporel par détection de pose TensorFlow : des mesures prises à partir de la caméra du téléphone.

  • Claude Code
  • Claude
  • MCP
  • DeepSeek
  • TensorFlow.js
  • Agents
  • LLM
  • RAG
01

Étape 1

Cadrer

Je décris le besoin, les contraintes et le résultat attendu, et je fais lire le code existant à l'agent avant toute ligne nouvelle.

Étape 2

Déléguer

L'agent lit le dépôt, écrit le code, installe ce qu'il faut, lance les commandes. Il travaille dans le terminal, l'éditeur et le navigateur.

Étape 3

Vérifier

Lint, typage, tests, build de production, puis le vrai rendu dans un navigateur, avec des captures. Rien n'est « fini » sans preuve.

Étape 4

Relire et trancher

Je relis les changements, je corrige le cap, je décide. Rien n'est publié ni envoyé sans mon accord.

Exemple réel : la séance affichée plus haut est celle qui a ajouté la Kia 3D d'Iny VTC à ce portfolio. L'agent a lu la scène d'origine, l'a allégée pour les cartes graphiques fragiles, a vérifié le build et a pris les captures sur ordinateur et mobile.

02

Assistants

Un assistant qui connaît votre métier

Répondre aux questions de vos clients ou de votre équipe à partir de vos propres contenus : tarifs, services, procédures.

Recherche

Interroger vos documents

Retrouver une information dans des centaines de PDF, de devis ou de fiches, en posant la question en français (RAG).

Automatisation

Les tâches répétitives en moins

Trier des demandes, préparer des réponses, extraire des données de documents, remplir un ERP ou un CRM.

Vision

La caméra comme capteur

Détection de pose, mesures, reconnaissance : comme le scanner corporel TensorFlow que j'ai développé chez Avumi.

03

  • Vos données restent les vôtres : rien de sensible n'est envoyé à un modèle sans votre accord.
  • Les clés d'API restent côté serveur, jamais dans le navigateur.
  • Un humain relit : chaque réponse automatique importante peut être validée avant envoi.
  • Des tests, comme pour le reste du code, et un coût maîtrisé en choisissant le modèle adapté à la tâche.
04

Claude Code

Mon agent de code au quotidien : il travaille dans le dépôt, le terminal et le navigateur.

Claude

Modèle de langage pour la rédaction, l'analyse et les assistants.

MCP

Le Model Context Protocol, pour brancher l'agent sur les vrais outils d'un projet.

DeepSeek

Un autre modèle de langage, utile pour comparer et prototyper.

TensorFlow.js

Vision par ordinateur dans le navigateur et sur mobile.

RAG

Recherche augmentée : un modèle qui répond à partir de vos documents.