Retour à l’accueil

Les
Archives

Une sélection plus large des projets de cette année, au-delà des projets phares. Deep learning, IA générative, robotique, data engineering et IA symbolique, avec pour chacun ce que j’y ai fait.

Projets
06
Année
2026
  1. Illustration du robot quadrupède Unitree Go2, vu de trois quarts.

    01 / Robotique / projet de fin d’études

    Robots quadrupèdes sur chantier

    En cours, avec l’équipe innovation de Bouygues Construction

    Une analyse des cas d’usage et de la faisabilité pour Bouygues Construction. Un robot quadrupède Unitree Go2 peut-il devenir un outil utile sur leurs chantiers ? La détection d’objets par YOLO est en cours.

    • Python
    • Unitree SDK
    • YOLO

  2. 02 / IA générative / hackathon

    HRévolution

    Hackathon GenAI & RH de HrFlow.ai, équipe de 3

    Note les candidatures au fil de l’eau et explique au recruteur chaque décision de l’IA. Deuxième place sur plus de 50 participants, avec une démo en direct devant des professionnels RH.

    • React
    • FastAPI
    • LLMs
    • HrFlow.ai API
    • Docker
    Code source
  3. Une coupe d’IRM cérébrale de nourrisson, sa segmentation de référence et la prédiction du modèle compact, côte à côte.

    03 / Deep learning / imagerie médicale

    Segmentation d’IRM cérébrales

    Projet personnel, mené seul, sur le challenge MICCAI iSeg-2017

    Segmenter des IRM cérébrales de nourrissons avec un U-Net compact : 0,890 de Dice pour 95k paramètres.

    • Python
    • PyTorch
    • U-Net
    Code source
  4. décisions staffSimulateurmulti-agents, NumPyPipeline de donnéesParquet + DuckDBPrévisionboosting quantileDétectionrésidus + règlesAffectationMILP (HiGHS)Orchestrateurboucle fermée, pas de 15 min

    04 / Simulation / jumeau numérique

    Festival intelligent

    Projet de semestre EPITA SCIA, équipe de 3

    Le jumeau numérique d’un festival, piloté par l’IA. Simulation multi-agents, prévision de l’affluence, détection d’anomalies et affectation du staff en boucle fermée. J’ai conçu et supervisé le projet, puis rédigé le rapport final.

    • Python
    • NumPy
    • DuckDB
    • Parquet
    • MILP (HiGHS)
  5. datalakeCapteurs IoTflux de messagesAPI d’ingestionpasserellema partKafkatopicsSpark · bronzebrut, en Scalama partSpark · silverincrémentalma partAlertes + analysestemps réel, historique

    05 / Data engineering / streaming

    Plateforme de données IoT temps réel

    Cours de data engineering EPITA, équipe de 4

    Des flux de capteurs en entrée, des alertes en temps réel et des analyses historiques en sortie. Ma part : la passerelle d’ingestion vers Kafka et les couches bronze et silver du datalake, en Spark.

    • Scala
    • Apache Spark
    • Apache Kafka
    • sbt
  6. Grillesolution uniqueinterface communeBacktracking (MRV)Dancing LinksCP-SATSATAlgorithme génétiqueBanc d’essaitempsnœuds explorésmémoire

    06 / IA symbolique / benchmark

    Banc d’essai de solveurs de Sudoku

    Cours d’intelligence symbolique EPITA

    Cinq façons de résoudre un Sudoku derrière une même interface (backtracking, Dancing Links, CP-SAT, SAT et algorithme génétique), mesurées sur les mêmes grilles en temps, en nœuds explorés et en mémoire.

    • Python
    • OR-Tools CP-SAT
    • PySAT
    • Streamlit
    • pytest
    Code source