Tous les projets

IA agentique & MLOps / 3D.S.F

AgenticIA · Automatisation multi-agents ML / LLM

Une plateforme multi-agents reliant ingestion, entraînement, évaluation, déploiement et suivi.

Mon rôle
Stage · IA agentique & MLOps
Période
Janv. — Mai 2026

Le système en pratique

Relier le cycle de vie des modèles

Vue conceptuelle du workflow AgenticIA décrit dans mon CV.

  1. 01

    Ingérer

    Préparer et versionner les données

  2. 02

    Entraîner et optimiser

    Expériences et hyperparamètres

  3. 03

    Évaluer et déployer

    Évaluation et exposition des modèles

  4. 04

    Suivre

    Performances et dérive

  • Orchestration

    LangGraph coordonne le workflow

  • Boucle de suivi

    Diagnostic → correction → réentraînement

01 / Le contexte

Le problème étudié

Les workflows ML et LLM mobilisent de nombreuses étapes et plusieurs outils. AgenticIA les relie au sein d’une plateforme d’automatisation multi-agents.

02 / Ma contribution

Mon travail

Conception et développement de la plateforme, intégration des outils du cycle de vie et mise en place d’une boucle adaptative de suivi et d’actions correctives.

Le défi

Coordonner le cycle de vie des modèles et relier le suivi des performances au diagnostic et au réentraînement.

03 / La démarche

Le fonctionnement du système

  1. Orchestrer l’ingestion, l’entraînement, l’optimisation des hyperparamètres et l’évaluation avec LangGraph.
  2. Intégrer MLflow et DVC pour le suivi et le versionnement, ainsi qu’Optuna et Ray Tune pour l’optimisation.
  3. Relier FastAPI, Docker et Kubernetes aux workflows de déploiement, puis vLLM et LangSmith aux workflows LLM.
  4. Utiliser le suivi et la détection de dérive pour déclencher un diagnostic et des actions correctives.

04 / Les résultats

Les réalisations

  • Intégration des étapes du cycle de vie ML / LLM dans un workflow agentique.
  • Mise en place d’une boucle de suivi, de diagnostic et d’action corrective.
Projet suivant

Une seconde vie pour les images