Conception de Systèmes IA Autonomes à Haute Précision.
Lead AI R&D Architect concevant des workflows AgentOps et LLMOps déterministes. J'allie ingénierie data robuste et gouvernance FinOps rigoureuse pour résoudre des défis d'entreprise complexes.
ILS M'ONT FAIT CONFIANCE
AgentOps
Agents IA autonomes en production.
RAG & Data Engineering
Pipelines massifs & ancrage vectoriel.
Fine-Tuning
Souveraineté IA via modèles sur-mesure.
Gouvernance IA
Inférence déterministe & sécurisée.
FinOps IA
Optimisation drastique des coûts d'inférence.
LLMOps
Déploiements CI/CD hautement sécurisés.
Concevoir des architectures IA déterministes à l'échelle de l'entreprise.
En tant que Lead AI R&D Architect, ma mission est de remplacer les ETL statiques et les comportements imprévisibles des LLM par des workflows agentiques autonomes et auto-correcteurs. Je conçois des systèmes où l'incertitude de l'IA générative est cadrée par une gouvernance mathématique.
Basé en Île-de-France (Paris), je fais le pont entre le Data Engineering à grande échelle et l'AgentOps avancé. En appliquant des protocoles stricts de FinOps et SecOps (Quality Gates Pydantic, Caching Sémantique), je transforme la R&D IA d'un centre de coût en un avantage compétitif direct.
Thierno Barry
Lead AI R&D Architect
Projets récents
Une sélection de mes plateformes agentiques récentes, prototypes de recherche et architectures en production.
router = AgentRouter()
agents = await router.delegate(task)
results = await asyncio.gather(*[
a.execute() for a in agents
])
return synthesize(results)
OmniAgent Framework
Framework léger et hautement scalable pour orchestrer des swarms d'agents LLM spécialisés en environnement d'entreprise.
Semantic RAG Engine
Système RAG avancé avec raisonnement multi-sauts, recherche hybride et découpage sémantique automatique.
def __init__(self):
self.models = ["gpt-4", "claude-3"]
def route(self, prompt: str):
complexity = evaluate(prompt)
return self.optimize(complexity)
LLM Routing Proxy
Proxy de routage intelligent sélectionnant automatiquement le modèle le plus rentable et performant selon les requêtes.
Articles récents
Analyses, recherches et perspectives sur l'avenir des agents autonomes et de l'IA en entreprise.
Passer à l'échelle l'orchestration multi-agents en entreprise
Analyse approfondie des patterns d'architecture requis pour orchestrer efficacement des flottes d'agents LLM tout en réduisant les cascades d'hallucinations.
L'évolution des moteurs RAG Sémantiques
Dépasser la simple recherche vectorielle : intégration des graphes de connaissances et capacités multi-sauts pour des réponses métier ultra-précises.
Pourquoi le "Prompt Engineering" est transitoire
À mesure que les frameworks agentiques automatisent les interactions avec les modèles, le besoin de prompts manuels fragiles s'estompe au profit de l'architecture logicielle.
Sécurisez votre transition vers l'IA Agentique
Réservez un créneau de 30 minutes pour échanger en direct sur vos cas d'usage multi-agents, vos contraintes FinOps ou vos architectures de données.