Je développe des compétences qui permettent de transformer des besoins métier en outils d'IA concrets, de l'analyse du problème jusqu'à leur usage au quotidien par les équipes.
Ce que j'ai construit
Pro
Une application de pilotage financier et d'automatisation de la saisie comptable, conçue seul pendant mon stage chez Delhaize : dashboards en temps réel, prévision du chiffre d'affaires et lecture automatique des factures. Elle est aujourd'hui développée dans le cadre d'une société en cours de création avec mes anciens maîtres de stage.
Perso
Un outil pensé pour les données sensibles, et utilisable par n'importe qui. Interroger une base de données demande normalement de savoir écrire du SQL : ici, on pose sa question en français. Et parce que les données d'une entreprise ne doivent pas sortir, tout fonctionne hors ligne, rien ne quitte l'ordinateur. Testé sur 1,2 million de vols américains, l'outil a été entraîné avec l'IA mais n'en utilise aucune pour répondre : aucun chiffre inventé, un indicateur de fiabilité sur chaque réponse, et une demande de précision quand la question est floue.
Une app macOS qui transforme l'encoche de l'écran en une bulle qui s'ouvre au survol : musique, calendrier, fichiers, notes, mails, minuteur et météo, sans changer de fenêtre. Pensée pour se faire oublier : un impact énergétique quasi nul au repos, et des données qui ne quittent jamais le Mac. J'ai conçu l'app, son identité et son site, avec une démo interactive et une liste d'attente avant la sortie.
Là où je l'ai construit
Ce qui m'y a mené
Ce que j'en retiens
Une question, un projet, un poste à pourvoir ? Écrivez-moi.
Analyse financière, prévision du chiffre d'affaires et automatisation comptable pour un groupe de supermarchés.
Le projet prend place dans un groupe exploitant deux supermarchés Delhaize au Luxembourg, porté par une forte volonté de croissance et d'ouverture de nouveaux points de vente.
J'ai pris le sujet en tant que stagiaire, seul, sans équipe IT ni outil existant : tout était à construire de zéro.
J'ai suivi un principe simple et itératif : mettre en place, évaluer sur le terrain, puis ne généraliser que ce qui s'avérait concluant.
L'application s'organise en quatre espaces, chacun répondant à une problématique précise. Choisissez un onglet pour l'explorer.
Le cœur de l'application. Chaque jour, la direction y suit l'évolution des achats, des ventes, des charges et du résultat, magasin par magasin ou en consolidé. Les décisions ne se prennent plus à l'intuition mais sur des chiffres à jour.
Le détail des achats par fournisseur et par catégorie, suivi dans le temps.
Les charges fixes et variables du magasin, catégorisées pour isoler les postes qui pèsent sur la marge.
Le chiffre d'affaires quotidien, par magasin et par rayon, avec comparaison sur la période.
La synthèse : marge, résultat net et pertes, avec la comparaison directe entre les deux magasins, la vue que la direction n'avait jamais eue.
Le lecteur PDF lit chaque facture fournisseur, en extrait les montants et les impute au bon compte. La même action importe la donnée dans le dashboard et génère l'écriture comptable : plus de double saisie, une semaine de travail ramenée à 10 minutes.
La génération, en un clic, d'un rapport mensuel complet au format PDF qui consolide ventes, achats, charges et résultats des deux magasins. Un document propre, prêt à être partagé et archivé, sans aucune mise en forme manuelle.
L'espace où le directeur adapte l'application à son organisation, sans dépendre de moi. Trois réglages phares :
La main sur les données de l'application : importer les fichiers, vérifier et corriger les entrées, et garder une base propre et à jour sans dépendre de moi.
Fixer des objectifs de chiffre d'affaires et de marge par magasin et par période, suivis automatiquement face au réalisé pour mesurer l'écart en un coup d'œil.
Renseigner le calendrier d'activité (ouvertures, jours fériés, promotions, événements) pour remettre les chiffres en contexte et fiabiliser les comparaisons dans le temps.
Un outil réellement adopté au quotidien, qui a transformé une semaine de travail manuel en dix minutes et donné aux équipes une visibilité qu'elles n'avaient pas. Il est aujourd'hui industrialisé sous le nom de Virgile, une société que je cofonde avec mes anciens maîtres de stage.
La vraie valeur n'était pas que technique. Le plus dur n'a pas été le modèle prédictif, mais de fiabiliser une donnée éclatée entre logiciels et papier : j'y ai appris que l'essentiel de la valeur d'un outil se joue en amont, sur la qualité de la donnée. Livrer seul, sans équipe IT, m'a aussi appris à prioriser et à valider chaque brique sur le terrain avant de la généraliser, plutôt que de tout construire d'un coup. Ce projet me ressemble : ambitieux, il a demandé autant de rigueur et d'organisation que d'écoute, pour coller au plus près des besoins de ses futurs utilisateurs. Au fond, il a confirmé ce qui me définit : faire le pont entre un besoin financier et une solution technique fiable, mesurable et réellement adoptée, exactement ce que je veux continuer à construire, à plus grande échelle.
Un outil qui répond en français à des questions sur 1,2 million de vols intérieurs américains, hors ligne et sans IA générative au moment de répondre, et qui signale quand il n'est pas sûr d'avoir compris la question.
Interroger une base de données demande normalement de savoir écrire des requêtes. C'est hors de portée de la plupart des gens. Les outils fondés sur l'IA générative lèvent cette barrière, mais ils ont un défaut : ils peuvent inventer des chiffres. Sur des données, une réponse fausse énoncée avec assurance est pire que pas de réponse.
Partir d'une base fiable, sans IA. J'ai d'abord construit une base interrogeable directement en SQL : on pose une question en SQL, la base répond. Le chiffre est toujours exact, puisqu'il vient de la donnée brute.
Traduire le français en SQL. J'ai ensuite écrit un programme Python qui fait le pont : on tape une question en français, il la reconnaît et la traduit en requête SQL. Il sait qu'une formulation donnée correspond à une requête donnée.
Utiliser l'IA pour entraîner, pas pour répondre. Ma première version laissait un modèle de langage répondre directement, au risque d'inventer des chiffres. J'ai changé d'approche : l'IA m'a servi à entraîner la traduction à reconnaître une même question formulée de très nombreuses façons. Elle intervient à la construction, jamais au moment de répondre. Résultat : aucun chiffre inventé. Ce que j'en retiens : savoir placer l'IA là où elle est utile, et l'écarter là où elle se trompe.
Tout reste sur l'ordinateur. L'outil interroge la base entièrement hors ligne : il fonctionne même en mode avion. Aucune IA en ligne, aucun service extérieur, aucune donnée envoyée. Pour une entreprise qui manipule des données sensibles, c'est un enjeu de sécurité majeur : les données restent sur ses propres serveurs, et rien n'est confié à un outil extérieur. Autre conséquence : aucun coût à l'usage et aucune dépendance à un fournisseur d'IA ou à un agent extérieur, puisque tout tourne en local.
Mesurer la fiabilité de chaque réponse. L'outil sépare deux choses : la donnée, toujours exacte, et son interprétation de la question, qui peut être imparfaite. Il reformule donc la question telle qu'il l'a comprise, affiche un indicateur de fiabilité et liste les hypothèses retenues, par exemple : « départ ou arrivée non précisé : arrivée retenue ». Quand la question est trop floue, il demande une précision au lieu de deviner.
Une démarche testée. J'ai écrit des questions de référence avant de construire l'outil, et il est vérifié automatiquement à chaque modification. Rien ne change sans être repassé au crible.
Un outil utilisable par quelqu'un qui n'y connaît rien :
La même méthode s'applique à n'importe quelle base d'entreprise : ventes, stocks, comptabilité. Les vols américains ne sont qu'un terrain d'exercice. Le vrai sujet, c'est de rendre une base de données interrogeable en langage courant, de façon fiable, sans coût récurrent, et surtout en gardant toute la donnée en interne, au sein même de l'entreprise. Pour des données sensibles, c'est ce qui fait la différence : aucune information ne sort de ses serveurs.
Une app macOS qui fait de l'encoche de l'écran une bulle utile : tout ce qui sert dans la journée, à portée de souris, sans changer de fenêtre.
Démo interactive reprise du site : survolez l'encoche pour ouvrir la bulle.
Sur les MacBook récents, l'encoche occupe le haut de l'écran sans rien apporter. Pendant ce temps, on passe sa journée à jongler entre les fenêtres pour changer de morceau, vérifier un rendez-vous ou retrouver un fichier.
L'idée : faire de cet espace perdu un point d'accès unique, qui s'ouvre au survol de la souris et disparaît aussitôt.
Choisissez un onglet et essayez-le : tout fonctionne, comme dans la vraie bulle.
Quand la bulle est fermée, l'encoche s'élargit juste ce qu'il faut pour prévenir (morceau en cours, rendez-vous, pluie, mail, fin du minuteur, capture d'écran), puis se fait oublier.
Une app complète, prête à sortir : un parcours de bienvenue qui demande les autorisations au bon moment, des réglages, des raccourcis clavier et des mises à jour automatiques. Elle fonctionne sur tous les Mac sous macOS 14 ou plus récent, à puce Apple ou Intel, avec ou sans encoche.
Autour de l'app, j'ai aussi construit son site : une page bilingue avec une démo interactive de chaque onglet, et une liste d'attente pour annoncer la sortie.
Ce projet m'a appris ce qui sépare une app qui marche d'une app qu'on garde : la discrétion. Chaque fonction a dû mériter sa place, et chaque animation, rester légère.
Prochaine étape : ouvrir le téléchargement aux inscrits de la liste d'attente, puis faire évoluer les onglets à partir de leurs retours.
