DIDIER SELLIN
J'aide les entreprises à clarifier leurs besoins, suivre leur activité et répondre à leurs clients avec des agents IA et des applications métier. Les LLM comprennent, extraient et génèrent, tandis que le code métier valide, contrôle et exécute.
Chaque projet présente d'abord le problème rencontré et la solution apportée. La ligne de pastilles résume ensuite son architecture, étape par étape.
Demande d'automatisation encore floue → accueil et diagnostic pour structurer les besoins de l'entreprise.
Agents d'accueil et de diagnostic d'entreprise
Deux agents distincts : un agent d'accueil commercial, puis un agent de diagnostic qui construit un dossier structuré. Un plan d'automatisation n'est généré qu'après une porte de complétude côté serveur.
Coûts et marges difficiles à suivre → suivi des matières, recettes et prix dans une application dédiée.
Assistant IA de pilotage économique pour atelier de boulangerie
Une application locale de suivi des coûts et des marges. L'assistant classe la question ; les chiffres viennent toujours du moteur métier et de SQLite.
Formations, accompagnement des stagiaires et prospection à gérer → une plateforme qui réunit ces activités.
SaaS de gestion de formation intégrant plusieurs fonctions IA
Une plateforme multi-tenant pour centres de formation. L'IA y joue deux rôles forts : un assistant pédagogique ancré dans les supports de la formation, et des propositions d'actions de prospection soumises à validation humaine.
Questions récurrentes des clients d'hôtel → un concierge qui répond avec les informations de leur établissement.
Assistant conversationnel multi-hôtel avec RAG hybride
Un concierge par hôtel, ancré dans les contenus de l'établissement grâce à une recherche vectorielle et lexicale. Les réponses structurées sont validées côté serveur ; pour une chambre, l'assistant prépare la demande et dirige vers le moteur de réservation de l'hôtel.
Un LLM est excellent pour interpréter du langage, mais il ne doit pas être la source de vérité. Je sépare systématiquement ce qu'il comprend de ce que le code garantit.
comprendre → extraire → générer
valider → calculer → autoriser → exécuter
Le LLM classe la question ; le moteur métier calcule coûts et marges.
Le LLM recommande un hébergement ; le serveur vérifie qu'il fait partie des candidats proposés.
Le LLM propose des actions ; un humain approuve et le code exécute les types autorisés.
Le LLM mène le diagnostic ; le serveur décide quand il est complet.
Aucun projet n'utilise tout. Le RAG n'apparaît que là où il faut répondre à partir de contenus ; le calcul déterministe domine là où les chiffres doivent être exacts. Sélectionnez une case pour lire la justification.
| Proactif SystemDiagnostic conversationnel à état | PiloteIntentions bornées + moteur de calcul | ProactifSupportSaaS multi-tenant + fonctions IA spécialisées | ConciergeRAG hybride + workflows métier | |
|---|---|---|---|---|
| Conversation | ||||
| Structured outputs | ||||
| RAG | ||||
| Mémoire | ||||
| Logique déterministe | ||||
| Human-in-the-loop | ||||
| Multi-tenant | ||||
| Actions métier | ||||
| API externes | ||||
| Tests |
RAG hybride : pgvector + recherche lexicale.
Uniquement ce que le code des quatre projets met réellement en œuvre, avec le projet concerné.
Disponible pour missions freelance en agents IA / applications IA métier.