Portrait de Sébastien Aucante

Sébastien Aucante

Ingénieur solutions & intégration IA

Compétences

  • RAG
  • Recherche
  • Intégration LLM
  • Évaluation
  • Produits IA
  • Développement Full-Stack
  • API & Backend
  • Architecture logicielle

Ingénierie & intégration IA

Concevoir des solutions IA fiables pour des produits concrets.

Je conçois, développe et intègre des systèmes IA — des architectures de recherche et RAG aux services IA prêts pour la production.

RAG / Recherche / Intégration LLM / Évaluation / Produits IA

Positionnement

Des prototypes IA aux services intégrés au système d’information.

J’interviens sur la conception et l’intégration de solutions IA internes : assistants métier, recherche documentaire, systèmes RAG, automatisation et services basés sur les LLM. L’objectif est de transformer un besoin métier en système exploitable, en intégrant dès l’architecture les contraintes de fiabilité, de sécurité, de gouvernance des données, de traçabilité et de souveraineté.

Mon expérience en développement full-stack me permet d’intervenir au-delà du modèle : API, backend, interfaces, données, intégration aux systèmes existants et tests.

Projets personnels

Découvrez des services IA conçus, évalués et déployés en ligne.

Les dépôts seront disponibles à la publication des projets.

  1. 01Projet comparatif

    Du RAG naïf à une recherche fiable

    INFOPAY-AI et AEROSPEC-AI comparent un prototype rapide assisté par IA à une démarche d’ingénierie RAG évaluée.

    Détails techniques à venir · 2026

    Voir le projet

    INFOPAY-AI · Référence

    INFOPAY-AI interface

    AEROSPEC-AI · Approche conçue

    AEROSPEC-AI interface

Domaines d’intervention

  1. 01

    RAG & recherche

    Conception d’architectures fiables de recherche de connaissances.

  2. 02

    Intégration IA

    Intégration des capacités LLM aux produits et processus existants.

  3. 03

    Ingénierie IA

    Évaluation, fiabilité et systèmes IA orientés production.

Architecture RAG

Concevoir la couche de retrieval derrière des produits IA fiables.

Un système RAG ne consiste pas simplement à connecter des documents à un LLM. Sa fiabilité dépend de la manière dont l’information est structurée, découpée, retrouvée, classée, injectée dans le contexte et évaluée.

Concevoir la couche de retrieval derrière des produits IA fiables.

Indexation

  1. Documents
  2. Analyse
  3. Découpage
  4. Embeddings
  5. Base vectorielle
Couche d’orchestration — LangChain

Retrieval & génération

  1. Requête utilisateur
  2. Embedding de requête
  3. Retrieval
  4. Reranking
  5. Construction du contexte
  6. LLM
  7. Réponse sourcée + citations
Base vectorielleRetrieval

Expertise

Des capacités techniques ciblées pour une IA fiable.

01

Ingénierie IA

  • RAG & recherche
  • Intégration LLM
  • Ingénierie du contexte
  • Embeddings & recherche vectorielle
  • Évaluation & fiabilité
  • Workflows IA & automatisation
  • Observabilité & traçabilité

02

Ingénierie logicielle

Langages & développement applicatif

  • TypeScript / JavaScript
  • Java
  • Python
  • React / Next.js

Architecture & backend

  • Ingénierie API & backend
  • Architecture logicielle & système
  • Principes SOLID
  • Design Patterns / Patrons de conception

Livraison & intégration

  • Intégration de données & systèmes
  • Tests & qualité
  • CI/CD & production

Contact

Un problème IA qui mérite d’être résolu ?

Échangeons sur le produit, les données et l’ingénierie qui les relie.