Élève ingénieur en option Intelligence Artificielle, je suis un développeur passionné par l'architecture logicielle, évoluant à la croisée d'un Backend robuste, de bases de données optimisées et d'interfaces réactives, et j'y intègre l'IA (RAG, agents LLM, OCR/VLM) au service de processus métier réels.

• 🔭 Actuellement : Stagiaire Ingénieur IA & Backend : agents IA spécialisés, benchmark de modèles OCR/VLM sur données de production et service d'extraction documentaire (FastAPI) déployé sur Linux.
• 💡 Ma spécialité : Créer des architectures résilientes (Micro-services, Pattern Strategy) et optimiser les performances sous forte charge (Caching distribué, requêtes SQL complexes).
• 🌱 IA appliquée : Systèmes RAG, agents multi-LLM (Pydantic-AI), modèles OCR/VLM et connecteurs MCP, avec un principe : l'IA lit, le code décide.

Clean Architecture & Scalabilité : Je ne me contente pas de faire fonctionner le code ; je m'assure qu'il soit maintenable, testable et prêt à évoluer. De la modélisation de la base de données à la livraison continue, chaque étape est pensée pour minimiser la friction technique.

🤖 IA & Machine Learning

⚙️ Backend & Architecture			🎨 Frontend	☁️ Data & DevOps
☕ Java	🔷 .NET	🐘 PHP	⚙️ Frontend	🗄️ Databases	☁️ Infra

Plateforme SaaS d'analyse Git multi-tenant conçue pour centraliser la productivité des équipes de développement.

• 🏗️ Architecture : Conception d'un système isolant les données par entreprise (Multi-tenant) avec sécurisation stricte via JWT et OAuth2.
• 🧩 Micro-services : 8+ services polyglottes (Spring Boot, Symfony, .NET, FastAPI), API Gateway, Eureka, RabbitMQ, Kafka, pattern Saga, Resilience4j.
• 🤖 gitdock-yam : Assistant multi-agents RAG (routeur sémantique puis agents spécialisés), profils développeurs vectorisés dans ChromaDB, cascade LLM Ollama local puis Gemini.
• 🛡️ gitdock-sentinel : Audit DevSecOps des diffs de commits en temps réel (Kafka, analyse LLM, diffusion WebSocket).

Captures d'écran → base de connaissances Markdown et Notion via un VLM local, avec validation humaine.

• ⚙️ Stack : Vue 3, FastAPI, Pydantic-AI ; traitement par lots asynchrone et notifications WebSocket.
• 🔌 Notion via MCP : Chaque fiche validée est publiée dans une base Notion (titre, tags, statut, contenu Markdown) par un connecteur MCP (FastMCP) ; Docker Compose 3 services derrière un reverse proxy Nginx.

Solution de monitoring Git : Maintenance évolutive et refonte technique majeure pour améliorer l'expérience utilisateur et les performances.

• 🔄 Refactoring Architectural : Migration complexe d'une relation "Many-to-One" vers "Many-to-Many" pour permettre une collaboration multi-acteurs sur un même dépôt.
• ⚡ Performance : Déploiement d'une stratégie de caching distribué avec MongoDB pour soulager l'API des traitements de JSONs volumineux.
• 📡 Temps Réel : Mise en place d'une architecture événementielle avec Webhooks et notifications instantanées via WebSockets.
• 🔗 Intégration Bitbucket : Import d'un projet à partir de son lien, récupération des commits et des branches, droits des collaborateurs préservés.