Ingénieur en systèmes agentiques
5+ ans en IA · 20+ projets
Intelligence artificielleAutomatisationLogiciels sur mesure
Je prends un besoin métier et je livre le système qui tourne en production — cadrage, développement, mise en service, transmission.
Grenoble, France
Français · Anglais (bilingue)
La stack
01 / Services
Une intervention ciblée ou une réalisation de bout en bout : j’adapte le périmètre à la décision, au produit ou au problème de production à résoudre.
Transformer un cas d’usage métier en piste testable avant d’engager une construction plus large.
Livrables
Résultat
Un prototype qui permet de décider et une prochaine étape claire.
Concevoir et construire l’interface, les API, les flux de données et la couche IA comme un seul produit full-stack cohérent.
Livrables
Résultat
Un produit utilisable, prêt à être exploité et amélioré.
Stabiliser une fonctionnalité IA existante : évaluation, observabilité, modes d’échec et déploiement.
Livrables
Résultat
Un système IA que l’équipe peut comprendre, maintenir et utiliser avec confiance.
02 / Projets
Serveur MCP qui permet à n'importe quel agent d'agir sur ce qu'il voit — navigateur et bureau réel (naviguer/cliquer/taper/scroller/glisser) ; renvoie des diffs textuels de ce qui a changé plutôt que des captures brutes. L'ancrage GUI fusionne la détection VLM et l'arbre d'accessibilité AT-SPI ; routeur multi-fournisseurs LiteLLM avec sélection de modèle automatique et économe, classée d'après des benchmarks publics (MMMU, ScreenSpot-Pro, Video-MME) ; sandbox software-GL isolée pour que les apps GPU/Flutter/Electron s'affichent. S'installe dans les principaux clients d'agents ; ouvre des issues GitHub automatiquement. MIT.
Mon framework de deep learning fait maison — là où je reconstruis les choses depuis zéro pour vraiment les comprendre. Sa colonne vertébrale : une interface de données unique et générique — classification, détection et apprentissage par renforcement passent tous par une même abstraction Dataset, poussée si loin qu'un environnement Gym de RL est lui-même enveloppé comme un Dataset : le même dataloader et la même boucle d'entraînement pilotent alors le supervisé comme le RL. Bâti sur hintconf, un système de config typé écrit à la main (coercition par annotations de type, sans métaclasse, champs calculés paresseux, sans Pydantic), avec des modalités sous-classes de tenseurs (image/texte/bbox) et ResNet · VGG · ViT · DETR (matching hongrois) plus la famille DQN réimplémentés à la main. Embarque un petit autograd scalaire avec visualisation du graphe, pour réapprendre la backprop. ~11k LOC — assumé comme projet d'apprentissage. Ci-dessous : un rollout d'Atari Breakout — l'environnement RL Gym enveloppé comme Dataset — et l'observation 84×84 fournie à l'agent par le pipeline.
Le projet auquel je tiens le plus : il compile mes standards d'ingénierie (code générique, flexible, soigné) en skills, sous-agents et prompts réutilisables sur Claude Code / Codex / Cursor.
Un moteur agnostique du framework avec noyaux GPU/SIMD et bindings Python / JS / WASM.
App Flutter + Rust avec un pipeline de contenu LLM — déduplication par embeddings locaux, inférence par lots et en cache.
Analyse CV & lettres, classe les candidats avec un LLM, les range et notifie l'équipe — pensé pour retirer le tri manuel d'une boîte de recrutement.
Un petit utilitaire PyTorch open-source qui instrumente n'importe quel nn.Module avec des forward hooks pour extraire les activations et cartes de features intermédiaires — on cible une couche, on passe une entrée, on récupère sa réponse pour l'inspecter ou la visualiser. Ci-dessous : les cartes de features d'une couche superficielle d'un ResNet (le chien encore lisible par filtre) à côté des activations abstraites d'une couche profonde.
Un serveur MCP qui capture les fenêtres X11 et y applique une analyse visuelle, exposant l'ancrage écran du bureau à n'importe quel agent — un complément ciblé d'interact pour voir ce qui est à l'écran.
Mon outillage Linux publié — raccourcis auto-documentés, dont un rebase multi-branches interactif.
Jeux, projets étudiants et premiers travaux — 13 de plus, gardés en archive plutôt qu'affichés ici.
03 / Contact
Écrivez-moi directement, ou partez de la carte pour avoir le bon objet.
Ouvert aux projets intéressants
Alan Blanchet EI — entrepreneur individuel · SIRET 109 507 046 00018 · APE 6201Z · TVA non applicable, art. 293 B du CGI
Pour un projet
Expliquez-moi ce qui doit fonctionner, où vous en êtes et la prochaine décision à prendre.
Parler d’un projet Voir le CV04 / À propos
Un seul interlocuteur sur toute la chaîne produit et IA.
5+ ans de livraison en production
Grenoble, France · télétravail
Français (natif) · Anglais (bilingue — 3 ans scolarisé au Royaume-Uni)
Co-auteur article SPIE (2025)
Au cœur du travail
05 / Expérience
IA / ML au cœur du poste, avec un appui transverse régulier — infra & réseau, full-stack, administration des comptes.
« R&D News » veille modèles, à toute l'équipe — une synthèse toutes les 2 semaines sur les nouveaux modèles, architectures & techniques notables. Suivi rapproché des SOTA (LMArena · ARC-AGI · SWE-bench…).
06 / Recherche & enseignement
Publication
Co-auteur (2ᵉ sur 6) d'un article SPIE évalué par les pairs — classification CNN / SVM en imagerie multispectrale biomédicale.
Leroux, D., Blanchet, A., Davenas, C., Lac, L., Le Bihan, Y., & Fulchiron, C. (2025). A frugal multispectral imaging solution to identify uropathogens via SVM and ANN classification. Translational Biophotonics: Diagnostics and Therapeutics IV, Proc. SPIE Vol. 13934, 1393430.
Encadrement & enseignement
Encadrement d'un stage de recherche de Master sur les agents à base de LLM (soutenu, Grenoble INP/UGA) — agent d'extraction & validation de données d'entreprises B2B ; benchmark LLMs × outils de recherche MCP. Coaching de 5 équipes d'étudiants ingénieurs à l'ESISAR (Grenoble INP) sur des projets industriels d'IA — dont un outil de transcription vocale temps réel exigeant des performances sur du vocabulaire métier.
07 / Compétences
Les compétences derrière les produits web et l’IA appliquée — regroupées par domaine. · 163 technos
08 / Méthode de travail
Je construis la solution la plus simple qui répond au besoin réel, puis je la rends assez fiable pour être exploitée, faire évoluer et transmettre.
En pratique
Périmètre, risques et compromis explicités avant de construire
Tests, observabilité et documentation menés jusqu’à la production
Juste pour le fun
Pour le fun, j'ai relié mon usage de Claude à ma photo de profil Slack — l'équipe voit d'un coup d'œil quand je suis sur le point d'être à court (et quand ça va me rendre triste). Un modèle d'image GPT peint la mascotte selon dix humeurs, Pillow y appose la barre d'usage exacte (qu'un modèle d'image ne sait pas dessiner au pixel près), et un timer systemd lit mon usage depuis ~/.claude puis pousse la bonne image sur Slack via users.setPhoto.
Un token utilisateur personnel, dont le scope ne permet de changer que mon propre avatar.
09 / Formation
Ingénieur ML (alternance)
OpenClassrooms · Neovision
2022–24
Robotique orientée IA (alternance)
IMERIR
2021–22
DUT Informatique (3e/19 · Code Game Jam 2020)
IUT Montpellier-Sète
2019–21
Baccalauréat S, mention Bien
2019
3 ans scolarisé au Royaume-Uni — bilingue FR/EN
2010–13
Le diplôme ML en ligne était un choix assumé — les écoles locales n'étaient pas assez centrées IA ; le format en ligne a libéré du temps pour expérimenter largement et progresser plus vite.
Archives vidéo
