Ingénieur en automatisation IA et données · Montréal, Québec
Je conçois des automatisations et des agents d'IA qui s'intègrent aux outils qu'une équipe utilise déjà, et je les mène jusqu'à la production. Mon travail couvre toute la chaîne : analyse du flux existant, intégration par API, agents avec appels d'outils et protocole MCP, modèles d'apprentissage automatique et de vision par ordinateur, puis suivi en exploitation.
Depuis mai 2026, j'exerce ce rôle chez XLTRAX Productions et auprès des clients de ma firme, Cadence Numérique. J'ai auparavant passé cinq ans en soutien et en infrastructure TI, notamment sur des déploiements d'applications à grande échelle au ministère de la Justice du Québec. Cette expérience explique ma manière de travailler : une solution n'est terminée que lorsqu'elle tient dans la durée, entre les mains des personnes qui l'utilisent.
| Réalisation | Description |
|---|---|
| Automatisations n8n | Une trentaine de workflows publiés et suivis sur le tableau de bord d'exécution : agents spécialisés par fonction, agent vocal de réservation, accueil des clients d'un cabinet d'immigration. |
| Modèles prédictifs | Un modèle de prévision de fréquentation et un système de recommandation musicale, développés en Python et utilisés au quotidien par l'équipe de XLTRAX. |
| Préremplissage de formulaires | Un agent qui prépare les formulaires d'immigration d'un cabinet d'avocats à partir des pièces du client (n8n, API Claude, service Python). Chaque dossier est vérifié par une personne du cabinet avant l'envoi. |
| Billetterie de soutien | Une application Django en service chez Cadence Numérique depuis novembre 2026. |
Je porte autant d'attention à l'encadrement d'un modèle qu'au modèle. Concrètement, cela veut dire valider les statuts, bloquer les doublons, journaliser chaque exécution et prévoir une validation humaine dès qu'une erreur aurait des conséquences réelles. Le traitement des renseignements personnels respecte la Loi 25.
| Domaine | Technologies |
|---|---|
| IA et automatisation | MCP, agents avec appels d'outils, API Anthropic, Copilot Studio, n8n, Power Automate, Make, API REST, webhooks |
| Apprentissage automatique | Python, PyTorch, TensorFlow, prévision, recommandation, classification |
| Vision par ordinateur | OpenCV, YOLOv8 (Ultralytics), Vision Transformer, ResNet, face_recognition |
| Données | Azure Data Factory, Azure Databricks, SSIS, SQL Server, MySQL, Power BI |
| Développement | Python, FastAPI, Flask, Django, JavaScript, Node.js, React, Next.js, PHP 8, Docker |
| Infrastructure | PowerShell, SCCM, Intune, MDT, réseaux Cisco et Meraki |
| Projet | Description |
|---|---|
| Système multiagent pour une agence | Quinze agents spécialisés (Claude, HubSpot, SerpAPI) coordonnés par un orchestrateur n8n et un centre de tâches. Aucune action externe n'est exécutée sans validation humaine. |
| Agent vocal de réservation | Réceptionniste téléphonique pour une clinique dentaire (Vapi et n8n) : vérification des disponibilités, réservation, modification et annulation, confirmation par SMS et transfert vers un humain. |
| Billetterie Cadence | Billetterie de soutien en Django 5.2, en production : suivi par code confidentiel, priorité calculée selon l'urgence et l'impact, double authentification TOTP pour l'équipe. |
| Détection d'objets YOLO | Détection en temps réel sur webcam avec YOLOv8 et OpenCV, et cas d'usage de contrôle qualité : repérer les bouteilles dont le bouchon est absent par analyse de la zone du goulot. |
| Reconnaissance faciale | Identification des personnes connues dans le flux d'une webcam par comparaison d'empreintes faciales, avec seuil de tolérance réglable en direct. |
| Classification de scènes | Comparaison d'un Vision Transformer codé de zéro, d'un ViT préentraîné et d'un ResNet18 sur six classes de scènes naturelles (projet universitaire, UQO). |
| Cadence Fill | Service Python qui préremplit neuf formulaires PDF XFA d'IRCC à partir d'un dossier JSON. C'est le composant appelé par l'agent de préremplissage. |
| Entrepôt de données Northwind | Entrepôt de ventes en étoile alimenté par SSIS (projet universitaire, UQO) : rejets tracés avec leur motif, quatre contrôles SQL indépendants, rechargement reproductible. |
| Pipeline ETL Azure | Pipeline Azure Data Factory sur les trajets des taxis verts de New York : ingestion, règles de qualité, chargement mensuel idempotent dans Azure SQL et en Parquet. |
| Diplôme | Établissement | Année |
|---|---|---|
| DESS en science des données et intelligence artificielle | Université du Québec en Outaouais | 2026 |
| DEP en soutien de réseaux informatiques | Collège de l'Estrie | 2020 |
| Baccalauréat en réseaux et télécommunications | ESTM, Dakar | 2018 |