Développement logiciel · IA appliquée

Des logiciels utiles.Des systèmes qui apprennent.

Je développe des logiciels et j’explore comment l’apprentissage automatique transforme les données en décisions utiles.

Montréal, Canada/Polytechnique Montréal
UN APERÇU DU LABO TAXI
Taxi : ligne 3, colonne 3. Passager à R. Destination B.RGYB0 · 1 · 2 · 3 · 4
Petit monde. Grandes décisions.500 états. 6 actions. Une destination.
DU CODE, DES DONNÉES ET DES QUESTIONS.Faire défiler

Du problème aux détails.

Découvrez les idées, les interactions et les choix techniques derrière trois projets d’IA appliquée.

Ce que les résultats m’ont fait questionner.

Trois observations éditoriales tirées de sorties sauvegardées de notebooks pédagogiques. Les notebooks d’origine ne sont pas publiés ici.

01 / Notes de laboClassification génomique

Un ensemble n’améliore pas automatiquement la performance

Observation

Sur les données brutes, l’ensemble RF + SGD atteint 0,8279 en macro-F1 de validation, légèrement sous le Random Forest à 0,8293.

Conséquence pratique

Garder une référence simple et mesurer l’apport réel de la méthode ajoutée.

Lire la note
02 / Notes de laboMLP personnalisé et PyTorch sur Fashion-MNIST

Le taux d’apprentissage change le résultat

Observation

Sur trois taux enregistrés, les deux implémentations changent fortement ; à 0,0001, les exactitudes de test sauvegardées sont de 38,47 % et 66,04 %.

Conséquence pratique

Examiner la configuration d’entraînement avant d’attribuer un écart à l’architecture ou à la bibliothèque.

Lire la note
03 / Notes de laboApprentissage par renforcement avec Taxi-v3

Une comparaison équitable exige un protocole commun

Observation

Les sorties comprennent 39 réussites sur 100 épisodes pour Monte Carlo et 200 sur 200 pour Q-learning, dans des conditions différentes.

Conséquence pratique

Comparer avec les mêmes départs, limites et effectifs, sur plusieurs graines.

Lire la note

Le logiciel sur le terrain.

Des expériences en technologie bancaire et en logistique.

2025

CEVA Logistics

Logistique et données

Un environnement logistique reliant CargoWise, SQL, les indicateurs opérationnels et les tableaux de bord.

CargoWiseSQLTableaux de bord
2024

Banque Nationale

Stage en développement logiciel

Un environnement de développement logiciel à la Banque Nationale : Java et Spring Boot, avec Python, Kafka, Jenkins et Docker.

JavaSpring BootPythonKafkaJenkinsDocker

Les responsabilités détaillées et les dates exactes seront ajoutées avec le CV final.

Une expertise technique éprouvée par la pratique.

34 compétences affichées

Pratiques complémentaires

REST API, BDD, CI/CD, Agile et Scrum sont présentés comme des pratiques, sans logo inventé ni score de maîtrise.

REST APIBDDCI/CDAgileScrum
Origine des logos

Simple Icons · Devicon · Gymnasium · OpenAI. Logo Git par Jason Long (CC BY 3.0) ; logo Jenkins par Frontside pour Jenkins (CC BY-SA 3.0) ; logo Angular sous CC BY 4.0. Les marques identifient les outils sans suggérer de partenariat.

Comprendre le système.Soigner les détails.

Je m’intéresse au développement logiciel et à l’IA appliquée. Ce qui m’attire, c’est le parcours complet d’un problème vers un système fonctionnel : la représentation des données, l’organisation du logiciel et l’évaluation du résultat. Mon expérience relie la technologie bancaire et la logistique à un parcours en génie logiciel à Polytechnique Montréal. Ce portfolio rassemble ces fils à travers des projets à explorer. Chaque étude de cas donne une place aux choix techniques, aux contraintes et aux limites du travail, ainsi qu’aux prochaines étapes pour l’améliorer.

Un peu plus de code sur GitHub
PRENONS CONTACT

Une idéeen tête ?

Développement logiciel, IA appliquée ou simplement une discussion sur les projets : écrivez-moi.