Machine learning · IA appliquée

Des modèles qui tournent chez soi, au service de vrais usages.

Je conçois des systèmes d'IA de bout en bout, du modèle à l'application : un assistant vocal qui filtre les appels, un système de surveillance des ruches, et des recherches sur l'IA exécutée en local.

Projets

Ce que je construis

Callme

Prototype fonctionnel

Un assistant vocal qui décroche à votre place et trie les appels.

Démarchage, tentatives de fraude, appels importants noyés dans le bruit : Callme répond aux appels entrants en français, identifie la nature de l'appel et prend un message quand c'est utile. L'utilisateur ne reçoit que ce qui compte.

  • Classement des appels : fraude, démarchage ou légitime.
  • Prise de messages transcrits et consultables dans l'app.
  • Conversation en français, en temps réel au téléphone.
  • App Android native en Kotlin.
  • Serveur Python auto-hébergé sur GPU : les modèles tournent sur mon matériel.
  • Téléphonie via Twilio, exposée par un VPS relais.
Appelantréseau téléphonique
→
Twiliotéléphonie
→
VPSpoint d'entrée public
→
Serveur GPUPython · modèles locaux
→
App AndroidKotlin · messages & tri

Architecture : l'inférence reste sur un serveur que je possède, le VPS ne sert que de relais.

  • Python
  • Kotlin
  • Android
  • Twilio
  • Speech-to-text
  • LLM
  • Text-to-speech

Apiculo

En développement

Surveiller la santé des ruches sans ouvrir la ruche.

Apiculo vise à donner aux apiculteurs une vue continue sur l'état de leurs colonies, pour repérer tôt ce qui ne va pas et limiter les visites qui dérangent les abeilles.

[À compléter : ce que tu mesures (poids, température, son, images…), les capteurs, ce que l'IA détecte, où tu en es.]

  • [techno]
  • [techno]
  • [techno]
Recherche

L'IA en local

Je m'intéresse à ce qu'on peut faire tourner sur du matériel qu'on possède plutôt qu'en louant du GPU dans le cloud : confidentialité des données, coût maîtrisé, indépendance vis-à-vis des fournisseurs.

  • LLM locaux : faire tenir des modèles utiles dans une VRAM limitée.
  • Génération musicale exécutée en local.
  • Mise en pratique : Callme tourne sur ce principe, en production sur mon propre serveur.
  • [À compléter : expériences, résultats, benchmarks, articles ou dépôts]
Contact

Discutons

Je suis ouvert aux postes en machine learning et IA, en France et en Suisse romande, ainsi qu'aux échanges autour de Callme et d'Apiculo.