Systèmes d’IA · Architecture · Production
Lázaro
de Pina Ramos
Construire une IA qui tient en production.
La distance entre une démo d’IA et un système qui tourne de façon fiable un mardi à 2 heures du matin avec de vrais utilisateurs, c’est là que je passe l’essentiel de mon temps. Je conçois et construis des systèmes d’orchestration multi-agents, des applications full-stack et des pipelines ML temps réel. En production, pas dans des notebooks.
Je travaille selon deux modes qui se nourrissent l’un l’autre. Comme architecte externe pour des entreprises qui ont un système à construire, à auditer ou à sauver. Et comme fondateur de ventures dont je porte moi-même le résultat : je vis avec mes propres décisions d’architecture bien après qu’un consultant aurait classé son rapport.
01 — Pourquoi cette combinaison
De la profondeur en tout.
De la superficialité en rien.
Travailler dans des mondes qui se croisent rarement est rare : intelligence artificielle, blockchain, sécurité, ingénierie logicielle. Aller vraiment en profondeur dans chacun l’est encore plus. Leur combinaison produit une façon de voir que les spécialistes d’un seul domaine n’atteignent jamais.
Un bagage en sécurité change la façon de concevoir un système d’IA : on pense aux entrées adverses et aux modes de défaillance dès la phase d’architecture, pas après l’incident. Un bagage en blockchain change la façon de penser l’état, la cohérence et les frontières de confiance. L’expérience full-stack signifie que l’architecture que je propose est une architecture que je sais aussi construire.
Profondeur
Jamais superficiel. Chaque domaine porté au niveau production, pas au niveau conversation.
Clarté
La complexité résolue, pas cachée. La simplicité qui ne vient que de la maîtrise.
Chaleur
De la technologie avec une âme : honnêteté, parole tenue et construire avec un but.
02 — Compétences
De l’architecture à la production.
Systèmes d’IA multi-agents
Des architectures d’orchestration où des agents spécialisés exécutent de vrais workflows à l’échelle de la production. Une coordination fiable, pas des prompts enchaînés.
Intégration LLM et RAG
Pipelines de génération augmentée par récupération, prompt engineering et architectures LLM multi-fournisseurs construites pour survivre aux vrais cas limites.
Ingénierie full-stack
React, Next.js, Node.js, Python, TypeScript. De l’interface au backend, maîtrisé de bout en bout.
Pipelines de données temps réel
Architectures événementielles, traitement de séries temporelles et systèmes d’inférence à faible latence.
Audit d’architecture technique
Trouver ce qui casse à l’échelle avant que ça casse. Conception de systèmes, modes de défaillance et durcissement pour la production.
03 — Travaux choisis
Construit, pas théorisé.
Les noms d’entreprises, les noms de produits et les stacks technologiques complets ne sont pas divulgués, certains sous NDA, les autres par principe. Ce qui est divulgué : ce que fait chaque système, quel problème il a résolu et ce qu’il avait de techniquement intéressant. C’est la partie qui compte.
04 — Collaboration
Deux portes d’entrée.
Pour les entreprises
Votre système d’IA doit fonctionner en production, pas seulement en démo.
Trois missions à périmètre fixe : un sprint d’automatisation de quatre semaines qui transforme un processus manuel en système d’IA opérationnel, un audit d’architecture d’une semaine qui attrape les défauts de conception avant la production, et un forfait mensuel de direction IA sénior sans embauche à temps plein.
Voir les missions de conseilPour les investisseurs
Vous misez tôt sur des fondateurs techniques.
Je construis mes ventures sur les mêmes fondations que les systèmes de mes clients : de la deep tech avec un avantage technique défendable, sur des marchés où la difficulté est l’ingénierie plutôt que la distribution. Je développe actuellement un moteur de fusion multimodale de biomarqueurs pour la détection précoce de maladies.
Voir les ventures05 — Venture en cours
Dei Corpus. Lire le risque de maladie entre les domaines.
Les signes avant-coureurs de plusieurs maladies graves émergent entre les domaines physiologiques, pas au sein d’un seul. Pourtant, les signaux cardiovasculaires, métaboliques et dermatologiques sont encore capturés et lus isolément, si bien que ces schémas restent invisibles jusqu’à ce que la condition soit déjà symptomatique.
Dei Corpus est un moteur de fusion multimodale de biomarqueurs : il corrèle les signaux de capteurs déjà certifiés entre les domaines pour révéler les schémas de risque que les outils monomodaux ne voient pas. Actuellement au TRL 4, avec une faisabilité de bout en bout démontrée sur des jeux de données synthétiques. La thèse complète, l’état d’avancement et la feuille de route sont sur la page Ventures.
Faisons tenir votre système en production.
Que vous ayez un système à construire, une architecture à auditer, besoin d’une direction technique continue ou d’une conversation autour d’une venture, le point de départ est le même : dites-moi ce que vous essayez de résoudre.