Forward Deployed Engineer / Neodelphis
J’embarque avec vos équipes pour concevoir, déployer et industrialiser des systèmes d’IA. Sur vos données, dans votre infrastructure — et jusqu’à l’autonomie de vos équipes.
Aperçu d’un pipeline type · données simulées
Stack de terrain
01 Le rôle
Un Forward Deployed Engineer est un ingénieur hybride. Il s’intègre directement à votre organisation pour développer, intégrer et déployer des technologies sur mesure — le plus souvent en IA ou en data — au cœur de systèmes de production réels.
Mon métier : réduire la distance entre une idée d’IA et un système qui tourne. Un client à la fois, un problème réel, un résultat mesurable.
Je travaille avec vos équipes ingénierie, ops ou métier, dans une infrastructure hétérogène — parfois héritée.
Un problème métier flou devient une architecture, une feuille de route et un POC aux critères mesurables.
Python, JavaScript, pipelines de données, API, LLM et RAG. Du code de production, pas des slides.
Mise en production, cas limites, feedback aux équipes produit et transfert de compétences.
02 Services
De la mission embarquée au conseil de direction, en passant par la montée en compétence de vos équipes : chaque intervention vise un résultat concret et mesurable.
Un ingénieur IA senior embarqué dans votre équipe, du cadrage au système en production.
Une lecture technique et business pour décider vite, et juste.
Vos équipes montent en compétence sur vos vrais cas d’usage.
03 Compétences
Des modèles aux pipelines, du prototype au run : je couvre la chaîne complète — et je sais où se trouvent les vrais points de rupture.
RAG, tool use, orchestration, garde-fous, human-in-the-loop.
Jeux de tests, LLM-as-judge, non-régression, métriques métier.
CI/CD, observabilité, scalabilité, coûts, sécurité.
SFT, préférences, distillation, quantification, vLLM.
Pipelines, qualité, recherche hybride, reranking, temps réel.
Documents, OCR, images, vidéo, détection temps réel.
Cadrage, choix techniques, hébergement, conformité.
Documentation, design reviews, pair-programming, formation.
La règle est simple : mesurer avant d’affirmer.
04 Méthode
Chaque étape produit un livrable utilisable. Vous savez toujours où nous en sommes, ce que ça coûte et ce que ça prouve.
Objectifs, données, contraintes, utilisateurs. Les critères de succès sont écrits avant de coder.
Brief & critères de succèsUne version utilisable sur vos vraies données, testée avec de vrais utilisateurs.
POC mesuréÉvaluation continue, sécurité, observabilité, maîtrise des coûts. Le système tient la charge.
Système en productionDocumentation, formation, pair-programming. Vos équipes prennent la main.
Équipe autonomeChaque phase est un point de sortie. Vous gardez la main.
05 Sur le terrain
Trois exemples de missions types. Chaque contexte est différent ; le niveau d’exigence, lui, ne change pas.
Industrie · Énergie
Problème
Des milliers de documents techniques, des réponses dispersées, des experts qui perdent un temps précieux.
Système
RAG hybride sur corpus métier, citations systématiques, garde-fous et boucle d’évaluation.
Des réponses sourcées, dans les outils existants, avec une traçabilité complète.
B2B · Services
Problème
Des leads entrants traités manuellement, une connaissance client éclatée entre CRM, e-mails et documents.
Système
Agent outillé connecté au CRM, scoring, résumé de compte et validation humaine.
Une équipe augmentée, pas remplacée : chaque décision reste explicable.
SaaS · Produit
Problème
Des releases au ressenti, sans preuve de gain ni détection de régression.
Système
Golden dataset, LLM-as-judge, tests de non-régression et tableaux de bord.
Des décisions produit fondées sur des mesures, pas des impressions.
Exemples illustratifs de systèmes types.
Une démo impressionne. La production, elle, exige de la rigueur.
La conviction Neodelphis
06 Formation
Des formations conçues pour votre contexte, vos outils et votre niveau de maturité. Pas de slides génériques : des cas réels, des exercices sur vos données, des livrables réutilisables.
Construire un programmeUn cadre clair pour arbitrer les investissements IA, comprendre les risques et identifier les cas d’usage à fort effet de levier.
Capacités, limites, coûts et conditions de réussite.
Grille d’évaluation des cas d’usage et arbitrages build / buy.
Ce qu’il faut cadrer avant d’industrialiser.
Livrables : grille de lecture, cartographie d’opportunités, cadre de décision.
Passer de l’idée au produit : priorisation, prototypage, évaluation et adoption par les utilisateurs.
Entretiens, données, parcours utilisateurs.
Critères de succès, tests utilisateurs, mesure de la qualité.
Intégration aux outils, conduite du changement, suivi.
Livrables : backlog priorisé, prototype, protocole d’évaluation.
Une formation pratique pour concevoir, évaluer et opérer des systèmes LLM en production.
Chunking, retrieval hybride, orchestration, garde-fous.
Golden sets, LLM-as-judge, tests de non-régression.
Observabilité, latence, caching, quantization, runbooks.
Livrables : code, suite d’évaluation, runbook de production.
07 Neodelphis
Neodelphis est un studio d’ingénierie IA indépendant. Je conçois et déploie des systèmes d’IA pour des organisations qui ont besoin de résultats concrets, pas de promesses.
Mon approche : peu de couches, beaucoup de terrain. Des architectures simples quand c’est possible, sophistiquées quand c’est nécessaire. Et toujours une mesure.
Aucun lock-in modèle ou cloud. Chaque choix technique sert votre système.
De l’architecture au run, la même personne répond du résultat.
Le code, les données et les compétences restent chez vous.
— Neodelphis
08 FAQ
Les questions qu’on me pose le plus souvent. Une autre question ? Écrivez-moi directement.
Poser une question09 Contact
Un cas d’usage à cadrer, un système à déployer, une équipe à former ? Décrivez-moi le contexte. Je reviens vers vous avec une première lecture — et, si c’est pertinent, une proposition d’intervention.
Votre message m’arrive directement. Je réponds personnellement à chaque demande.