Ingestion
PDF, Word, Excel, AutoCAD. 40 800 documents distincts.
Ingénieur IA indépendant — Casablanca · fuseau de Paris
Une réponse sans sa source ne vaut rien.
Dès que l’enjeu est contractuel, l’acheteur ne veut pas une bonne réponse : il veut pouvoir la vérifier en trois secondes. Je construis les systèmes où c’est possible — la provenance transportée depuis l’OCR jusqu’à l’écran.
Projets à partir de 8 000 € · TJM 500 € · disponible immédiatement
Démonstration — CPS n° 42/2025 · 312 pages · FR/AR scanné
Requête
Quelle caution provisoire, et avant quelle date ?
Réponse
La caution provisoire est fixée à 150 000,00 DH, à déposer au plus tard le 14 novembre 2025 à 10 h. L’agrément exigé est le secteur E — classe 3.
3 valeurs · 3 sources · 0 non sourcée
Sources — cliquez une citation
Démonstration reconstituée à partir d’un dossier type, valeurs anonymisées — ce n’est pas un document client. En production : 274 376 citations sur 58 champs, dont 99,95 % avec le passage verbatim.
Mesuré en production — BidTender, depuis sept. 2025
45 000fichiers en production · 56 Go
274 376citations de provenance
90,4 %exactitude · jeu annoté à la main
1 msrecherche sur 113 000 vecteurs
Pourquoi les systèmes RAG cassent en production
Trois raisons, et aucune n’est le modèle.
- 01
Les documents réels sont sales
Scans, photocopies de scans, tableaux qui n’existent qu’en image, structure qui change d’un émetteur à l’autre. Le pipeline qui marche sur vos dix PDF de test ne survit pas au onzième.
- 02
Le vectoriel seul ne discrimine pas
Dans un corpus juridique, les formulations se répètent. Deux passages qui disent l’inverse ont des embeddings presque identiques — et ce que l’utilisateur cherche, un numéro d’article, une date, un montant, est précisément ce que les embeddings gèrent le plus mal.
- 03
Sans citation, le système est inutilisable
Dès que l’enjeu est contractuel, une réponse invérifiable ne vaut rien. Et la traçabilité ne s’ajoute pas à la fin : elle se perd au découpage. Il faut la transporter depuis l’OCR jusqu’à l’écran.
Le pipeline
— ce qui transporte la provenance de l’OCR jusqu’à l’écranRoutage OCR
Page par page, bilingue. 14 % des pages seulement.
Découpage
Par clause, pas par fenêtre. 151 661 chunks.
Recherche
pgvector + BM25, HNSW. 113 244 vecteurs · 1 ms.
Citation
L’extrait verbatim, conservé. 99,95 % des 274 376.
Interface
Vérifiable en 3 secondes. 4 h → 40 min.
Comment on travaille ensemble
- 01
Audit et cadrage
Quelques jours pour établir pourquoi votre recherche échoue, ce qui est réparable et ce que ça coûte. Vous repartez avec un plan chiffré — que vous me confiiez la suite ou non.
- 02
Construction en production
Le système complet : ingestion, recherche, citations, interface. Livré avec un jeu d’évaluation qui vous appartient, pour juger la qualité sans moi.
- 03
Accompagnement
Un à deux jours par mois pour faire évoluer un système existant, arbitrer les choix techniques et transmettre à votre équipe.
Quatre références
Tout voir →BidTender — SaaS multi-tenant
RAG citable sur des documents qui cassent les pipelines
Un dossier de consultation marocain arrive en dix à trente fichiers — PDF, Word, Excel, plans AutoCAD — en français et en arabe, souvent scannés, jusqu’à 3 592 pages pour un seul marché. J’ai construit le système qui les lit, avec chaque valeur extraite rattachée à l’extrait de texte qui l’a produite.
4 h → 40 mindépouillement d’un dossier · 10 → 30 dossiers/mois, effectif constant
Leyton — mission de conseil
Personnalisation temps réel avec un pipeline de personas RAG
Une plateforme cosmétique recommandait par segments figés, en ignorant tout le texte qu’elle possédait déjà. Passage à une recommandation par personne, en temps réel, construite sur de la récupération documentaire — et explicable par l’équipe métier.
+15 %taux de conversion · −20 % de cycle d’analyse
Chemin du Roi — plateforme industrielle
Jumeau numérique d’une unité de méthanisation
Cinq flux temps réel hétérogènes, cinq protocoles, cinq notions du temps — unifiés en une plateforme sur laquelle des ingénieurs d’exploitation prennent des décisions tous les matins.
5 → 1protocoles unifiés · OPC UA · Modbus · MQTT · SFTP · API
WardropAI · Wadrari
Deux produits mobiles conçus, construits et publiés en solo
Ce que ces deux applications prouvent tient en un mot : je finis. Un client qui confie un système documentaire craint de recevoir un notebook impressionnant et rien qui tourne.
En distributionpas en prototype · Kotlin · Expo · Supabase RLS
Un corpus qui résiste ?
Décrivez vos documents en trois lignes — volume, format, ce que vous cherchez dedans. Je vous dis en trente minutes si c’est faisable, comment, et à quel prix. Réponse sous 24 h en semaine.