Je traduis des problèmes métier en solutions d’IA mesurables, sécurisées et gouvernées. Et j’étudie, sur le terrain, comment les sociétés d’un même groupe peuvent apprendre ensemble sans mettre en commun leurs données.
Organisations avec lesquelles je travaille et j’ai étudié
Employeurs, sociétés du périmètre de mes projets et établissements de formation. Les noms sont affichés à titre factuel, sans partenariat ni recommandation implicite.
Groupe Madecasse — sociétés du périmètre
Entrepreneuriat & développement logiciel
Formation
Université d’Antananarivo
01Projets sélectionnés
Du problème métier au système qui tourne.
Prévision fédérée, architecture IA mutualisée, détection d’anomalies, démonstrations publiques : chaque étude de cas détaille le contexte, l’approche et ce que j’en retiens.
Mesurer quand l’apprentissage fédéré aide — ou nuit — à la prévision probabiliste des encaissements clients de plusieurs sociétés d’un groupe, et comment pondérer puis adapter le modèle partagé.
Collecter, transformer et analyser les données de bornes de recharge, puis détecter les anomalies et anticiper les défaillances : sujet du mémoire de licence.
Participation au développement de solutions Python d’exploitation intelligente de données métier : intégration de modèles d’IA générative, services backend et automatisation de traitements orientés production.
Une plateforme web bilingue sans coût récurrent et trois démonstrateurs d’IA — extraction de factures par OCR, questions-réponses sourcées, détection de signaux faibles — qui s’exécutent entièrement chez le visiteur : aucune donnée n’est envoyée.
Apprentissage fédéré entre silos hétérogènes : pondération de l’agrégation et adaptation locale
Le cas de la prévision probabiliste des encaissements clients pour la trésorerie d’un groupe multi-sociétés
Dans quelle mesure les stratégies d’agrégation et d’adaptation locale permettent-elles, en apprentissage fédéré, d’améliorer la précision et la calibration des prévisions probabilistes d’encaissement — composante incertaine de la trésorerie — par rapport à un apprentissage local ou centralisé, lorsque les sociétés présentent des volumes de données et des comportements de règlement hétérogènes ?
Protocole pré-enregistré avant toute mesure de performance ; aucun résultat n’est publié à ce stade.
apprentissage fédéré entre silos
hétérogénéité des données (non-IID)
pondération de l’agrégation
adaptation locale
transfert négatif
prévision probabiliste
03Parcours
Expérience
Depuis octobre 2026En poste
Responsable Projets IA & Automatisation
Compagnie MADECASSE
Pilotage de projets en intelligence artificielle et en science des données pour sept sociétés aux activités variées, en lien direct avec la Direction générale : certaines intégrations sont conduites société par société, d’autres sont mutualisées à l’échelle du groupe.
Activité principale jusqu’en septembre 2026 ; depuis octobre 2026, missions ciblées menées en parallèle de mon poste.
Fondateur et architecte logiciel d’ORIA Madagascar, entreprise spécialisée dans le développement de solutions numériques, l’exploitation des données et l’intégration de l’intelligence artificielle pour accompagner les entreprises dans leur transformation.
Apprentissage fédéré sur données hétérogènes (non-IID) — en cours de mise en pratique
IA générative
LLM
RAG
Fine-tuning
Agents IA
Intégration d’API d’IA
Outils
LangChain
Hugging Face Transformers
FAISS
Data Engineering & automatisation
Pipelines ETL/ELT
Orchestration de traitements
Automatisation de processus
Outils
Apache Airflow
Kafka
RabbitMQ
Développement & architecture
API REST
Microservices
API Gateway
Principes SOLID
Outils
Python
FastAPI
Django
Java
Spring Boot
Hibernate
Jakarta EE
Données & gouvernance
Gouvernance des données
Protection des données personnelles (loi malgache n° 2014-038)
Outils
PostgreSQL
Oracle Database
05Formation
Formation et langues
2026–2027
Master 2 — MSc Big Data & Intelligence artificielle
ESTIA — formation suivie à IT University, Madagascar · En cours
Machine Learning et Deep Learning, gestion répartie du Big Data, NoSQL et lacs de données, SQL relationnel et objet, programmation Cloud.
2026–2027
Executive Data Manager
INSCAE — formation professionnelle · En cours
Gestion, administration, modélisation et gouvernance des données.
2026
Certificat en Automatisation et Intégration de l’Intelligence Artificielle
Université d’Antananarivo · Obtenu
2025–2026
Master 1 en informatique
IT University, Madagascar · Validé
Apprentissage automatique, intelligence artificielle, recherche opérationnelle, programmation distribuée et Web services, bases de données d’entreprise.
2022–2025
Licence en développement informatique
IT University, Madagascar · Diplôme obtenu en 2025
Programmation et algorithmique, architecture logicielle, bases de données, calcul vectoriel et matriciel, probabilités et statistique, optimisation.
2022
Baccalauréat scientifique — série C
Obtenu
Contact
Parlons de votre projet d’IA.
Pour un échange professionnel, une question sur la recherche ou une collaboration : écrivez-moi. Pour un accompagnement d’entreprise, passez par ORIA.