Module conversationnel d'un programme R&D chez un grand compte, via Theodo Extend. Systèmes multi-agents sur Vertex AI et Google ADK, exécution de code en environnement isolé, contrôle des hallucinations sur des chaînes LLM métier.
Mission freelance en cours via Theodo Extend, au sein de l'équipe R&D d'un grand compte dans le domaine de la communication. L'équipe explore des usages de l'IA générative pour l'entreprise, avec deux objectifs : faire gagner du temps sur des process internes et fiabiliser les chaînes LLM en contrôlant les hallucinations.
Début en juin 2026, sur un module conversationnel embarqué dans un écosystème micro-frontend et micro-services déployé sur Google Cloud.
Mon rôle : responsable du périmètre conversationnel, de la logique d'agents jusqu'à l'interface, en binôme avec un autre développeur.
Conception et industrialisation d'agents capables de raisonner sur des documents métier, d'appeler des outils et de produire des livrables exploitables. Les équipes d'agents sont composées par l'utilisateur final depuis l'interface, et non figées dans le code.
Gestion des erreurs : faire remonter l'erreur réelle plutôt que laisser l'agent improviser un fallback ou inventer une réponse, avec une distinction nette entre échec métier et échec technique.
Défis techniques : reproductibilité des résultats d'une session à l'autre, persistance de l'état à chaque tour de conversation, arbitrage entre déterminisme strict et souplesse conversationnelle selon les cas d'usage.
Le code et les Skills produits par les agents s'exécutent dans une sandbox hébergée sur Kubernetes (GKE), sans exposer l'infrastructure.
Passage des modèles de données et des schémas d'échange à Pydantic sur deux applications, avec introduction d'une couverture de tests, d'un linting et d'une chaîne d'intégration continue. Consolidation de l'architecture applicative, du système d'agents et de la chaîne de streaming.
Défis techniques : migrations de données à rejouer sur trois environnements à chaque évolution des modèles, refonte progressive sans interrompre les développements en cours, avec un risque de régression à contenir sur l'ensemble des modules.
Réponses en choix multiples ou en texte libre, todo list dont chaque point progresse indépendamment, bouton d'arrêt d'une génération en cours. Streaming des réponses entre le service IA, le BFF et le front Angular, et montée de version continue des modèles et du framework d'agents.
Défis techniques : suivre un framework d'agents qui évolue vite, et arbitrer en permanence entre ce qu'il fournit nativement, ce qu'il faut surcoucher et ce qu'il faut réimplémenter.
Construction d'un outillage personnel pour accélérer le delivery : scripts de démarrage de l'environnement, automatisation de la création de tickets via API, accès simplifié aux bases, documentation d'architecture servant de cartographie du code pour l'assistance IA.