Mon parcours professionnel

Développeur principal et architecte logiciel de la plateforme Eclipse Aidge (successeur de N2D2), un framework complet dédié à l'optimisation, la quantification et au déploiement de réseaux de neurones profonds (DNN) sur cibles embarquées contraintes.

• Architecture du Framework : Orchestration du cycle de vie complet de l'écosystème Aidge/N2D2, incluant le développement des moteurs de quantification, de génération de code et du déploiement multiplateforme.
• Calcul Haute Performance : Développement de noyaux (kernels) et d'opérateurs personnalisés en C++ et CUDA/cuDNN pour la détection d'objets et la segmentation sémantique, optimisés pour les contraintes temps réel de la conduite autonome.
• Déploiement Embarqué : Optimisation et déploiement de modèles sur divers matériels dont NVIDIA Jetson Orin (via TensorRT), STM32, et accélérateurs neuronaux spécialisés (NeuroCorgi, PNeuro).
• Écosystème Développeur : Création d'un SDK Python via PyBind11, permettant une interopérabilité fluide entre les backends C++ et les outils de recherche (PyTorch, ONNX, NumPy).
• Ingénierie Logicielle : Modernisation du workflow de développement par la mise en place de pipelines GitLab CI/CD et d'environnements Docker, améliorant la stabilité du framework et la vélocité des versions.
• Encadrement Technique : Supervision de doctorants et d'étudiants en Master sur des sujets de pointe tels que la quantification de LLM (LLaMA) et l'optimisation de Vision Transformers.

Stage de recherche de fin d'études axé sur l'optimisation de la génération de résumés linguistiques à partir de bases de données massives en utilisant la logique floue.

• Optimisation Algorithmique : Traitement de la complexité exponentielle liée à la génération de propriétés floues conjonctives en substituant les parcours linéaires de base de données par des structures optimisées.
• Recherche & Implémentation : Étude bibliographique sur la représentation de données multidimensionnelles et implémentation sous Python de trois méthodes d'histogrammes complexes (MHIST, GENHIST et STHOLES) pour pallier le "fléau de la dimension".
• Infrastructure & Reproductibilité : Conception et déploiement d'une API REST dockerisée via Flask pour encapsuler les algorithmes de recherche, garantissant la portabilité et la reproductibilité des résultats.

Stage de recherche international au laboratoire IESOC (Intelligent Electronics and System-On-Chip), axé sur le traitement de signaux biomédicaux et l'Edge Computing.

• Traitement du Signal : Développement d'une pipeline Python pour traiter des signaux bruts ECG et PPG (électro/photopléthysmogramme) et extraction de caractéristiques.
• Deep Learning : Conception et entraînement d'un Réseau de Neurones Convolutif (CNN) via Keras pour classifier des états émotionnels.
• Déploiement Edge AI : Portage et optimisation du modèle pour l'inférence temps réel sur NVIDIA Jetson Nano.

• Supervision Système : Contribution à la mise à jour des services de supervision réseau via Centreon.
• Automatisation : Développement de scripts PowerShell pour l'audit et la gestion de l'Active Directory (nettoyage des comptes inactifs).
• Responsabilité : Gestion de tâches d'infrastructure critiques nécessitant une grande précision pour garantir la continuité de service.