Description du projet

Auparavant, la sélection des journalistes impliquait une recherche manuelle pour chaque journaliste, et la décision de les contacter reposait sur une seule personne. J'ai donc conçu l'interface de travail de l'équipe. Celle-ci recherche les journalistes et les médias, les classe par ordre de pertinence en affichant les justifications, rédige la proposition et assure le suivi des étapes suivantes. Chaque classement est explicite. Dans un outil classique indiquant aux professionnels qui contacter, un classement non justifié est ignoré, et la fonctionnalité tombe à l'eau. C'est l'explication des justifications qui a permis son adoption.

Compétences et livrables

• Claude
• Développement d'agents IA
• Mise en œuvre de l'IA

Des équipes de production de taille moyenne géraient leurs projets à l’aide de tableurs, sans source d’information partagée. Nous avons développé une solution SaaS multi-tenant complète avec un contrôle d’accès basé sur les rôles (RBAC) à trois niveaux, une messagerie en temps réel via Socket.IO, huit tableaux de bord analytiques basés sur l’IA, une analyse qualité pilotée par LLM, des analyses prédictives et une automatisation des flux de travail par l’IA. Technologies utilisées : React, TypeScript, Node.js, MongoDB, Socket.IO, Python, API REST, Docker, intégration de l’IA, analyse de données par l’IA, LLM, automatisation par l’IA, développement d’applications IA, SaaS multi-tenant.

Mon rôle : Architecte principal en automatisation

Description du projet : Conception et développement de l’ensemble de la plateforme d’automatisation pour Sambaty, un service d’expédition de colis de la France vers le Sénégal, le Mali, la Guinée (Conakry) et la Guinée-Bissau. Automatisation complète des opérations manuelles. Cœur du système : Agent IA « Kumba » (GPT-4) sur WhatsApp pour les ventes et le support. Flux WhatsApp pour la simulation des prix et la déclaration en douane. Les workflows n8n orchestrent le webhook Stripe vers Sendcloud (transporteur, étiquettes, documents douaniers, suivi) et les notifications WhatsApp. Technologies utilisées : n8n, Supabase, API Meta Cloud, Stripe, Sendcloud, OpenAI, Next.js.

Client's support team was answering the same 200+ questions daily across 50K+ docs. I built a production RAG system with hybrid search (BM25 + pgvector), a reranker, citation-backed answers, and an evaluation harness that flags hallucinations before deploys. Integrated into their Next.js dashboard with streaming responses and feedback capture for continuous improvement. Stack: Python, FastAPI, pgvector, OpenAI embeddings, Claude generation, NextJS.

L’équipe opérationnelle du client perdait plus de 20 heures par semaine à jongler entre les outils CRM, de facturation et de support. J’ai développé un serveur MCP personnalisé exposant 14 outils internes à un système multi-agents, avec un contrôle d’accès basé sur les rôles et des journaux d’audit complets. Les agents peuvent désormais trier les tickets, rédiger des réponses, mettre à jour les enregistrements CRM et extraire les données de facturation en langage naturel. Résultat : réduction de 73 % du traitement manuel des tickets, temps de résolution 4,2 fois plus rapide et aucune fuite de données constatée en 6 mois de production. Technologies utilisées : Serveur MCP TypeScript, orchestration Claude + OpenAI, LangGraph, Postgres, Redis, AWS.

Mon rôle: Développeur de flux de travail n8n

**Description du projet **: J’ai développé un système n8n complet qui génère et publie trois publications LinkedIn par semaine, en respectant le ton de la marque et en variant les styles d’écriture, avec des images générées par IA. Étape 1 (tous les jours à 7 h) : extraction des sujets depuis Airtable, recherche web via gpt-4o-mini-search-preview, sélection d’un des quatre styles proposés, rédaction avec GPT-4o et les directives de la marque, génération d’une image DALL-E, et validation de la publication. Étape 2 (lundi, mercredi et jeudi à 7 h 45) : publication des publications validées via l’API LinkedIn.

Mon rôle : Développeur en automatisation

Description du projet:

Un chatbot de support client basé sur RAG utilisant n8n, intégrant l'API Telegram avec une base de données vectorielle externe (pinecone). Le flux de travail a été déployé localement à l'aide de Docker et ngrok.

Compétences et livrables

• n8n
• Flux de travail du projet
• Développement d'agents IA

Mon rôle : Développeur Full Stack

Description du projet :

Automatisez votre processus de paie : téléchargez les feuilles de temps Excel, validez les données et créez automatiquement des brouillons de feuilles de temps dans Xero.

Compétences et livrables

• Python
• API
• Xero