Agents avec validation humaine
Transformer une demande en proposition structurée, suspendre le workflow pour examen, puis n’autoriser que l’action précisément validée dans l’outil métier.
FADEL SANTIAGO / INGÉNIEUR DATA & IA FREELANCE
Des agents IA adaptés au fonctionnement réel de votre entreprise.
J’aide les entreprises à évaluer les usages pertinents de l’IA, concevoir des workflows maîtrisés, intégrer les modèles aux données et outils existants, puis développer le logiciel nécessaire à leur exploitation fiable.
INGÉNIERIE IA PRATIQUE
Partir d’un processus métier, d’une décision ou d’un blocage documentaire, pas d’un agent conçu pour suivre une tendance.
La bonne première étape peut être un audit, une preuve de valeur limitée, une implémentation complète ou un renfort d’ingénierie ciblé. Le périmètre doit correspondre au risque opérationnel et aux preuves disponibles.
01 / DE LA QUESTION AU SYSTÈME EXPLOITABLE
Une mission, six étapes maîtrisées.
Chaque étape produit un résultat vérifiable avant d’ajouter de la complexité.
- 01
Audit & cartographie des opportunités
Cartographier le processus actuel, les systèmes, les données, les points de rupture et les décisions manuelles. Distinguer les vrais usages IA d’une automatisation ou d’un produit plus simple.
- 02
Faisabilité & stratégie
Définir le résultat attendu, les contraintes, la maturité des données, les choix de modèles, le plan d’évaluation, les limites d’exploitation et une trajectoire d’implémentation.
- 03
Conception du workflow & de la solution
Concevoir le parcours humain et système, les permissions des outils, les validations, le flux de recherche, les interfaces, les contrats et les états observables.
- 04
Implémentation & intégration
Développer l’agent ou le workflow IA, connecter les données et systèmes autorisés, puis créer les API ou l’interface applicative nécessaires.
- 05
Validation & déploiement
Tester les parcours attendus, défaillants et dangereux ; documenter les limites ; préparer le système pour l’environnement convenu et sa transmission.
- 06
Maintenance & transmission
Suivre le périmètre implémenté, améliorer les contrôles, accompagner l’exploitation et transférer les connaissances nécessaires à l’autonomie de l’équipe.
02 / CAS D’USAGE
Là où une IA maîtrisée peut supprimer de vraies frictions.
Le meilleur cas d’usage est assez limité pour être évalué et assez utile pour améliorer concrètement le travail.
RAG & intelligence documentaire
Interroger les documents internes par similarité, générer depuis un ensemble de preuves limité et garder les citations visibles pour permettre la vérification.
Qualification & routage opérationnels
Classer les demandes, extraire des champs structurés, identifier les informations manquantes et orienter les dossiers en explicitant la gestion des exceptions.
Assistants intégrés aux outils existants
Relier un assistant ciblé aux interfaces, données et permissions déjà utilisées, plutôt que créer un chatbot isolé.
Automatisation & aide à la décision
Combiner règles, sorties de modèles et validations humaines pour réduire les relais répétitifs sans masquer les responsabilités.
Audit d’adoption de l’IA
Évaluer les processus, données, contraintes et la capacité de l’organisation avant de choisir une plateforme ou une implémentation importante.
CONTRAINTES D’INGÉNIERIE
Utile signifie maîtrisé, vérifiable et maintenable.
- Autorité
- Le modèle ne propose que ce qu’il est autorisé à proposer. Les actions à fort impact peuvent exiger une validation humaine explicite.
- Preuves
- Une réponse RAG doit montrer ses sources validées et distinguer l’absence de preuve d’une formulation convaincante.
- Frontières des données
- Entrées, stockage, fournisseurs et accès sont choisis selon les contraintes réelles de confidentialité et d’infrastructure.
- Fiabilité
- Contrats, tests, états d’échec, reprises et traces d’audit comptent autant que le prompt.
- Exploitation
- Déploiement, supervision, maintenance et autonomie de l’équipe font partie du système, pas seulement de l’après-prototype.
03 / PREUVES PORTFOLIO VÉRIFIÉES
L’ingénierie est visible.
Ces démonstrations portfolio fonctionnent dans le périmètre documenté, avec leurs limites. Elles ne sont pas présentées comme des déploiements clients.
WORKFLOW IA SOUS VALIDATION HUMAINE
RELAINE
Un workflow agentique local dans lequel un modèle Ollama produit une proposition stricte, l’exécution attend une validation et des outils persistants enregistrent le résultat et la piste d’audit.
103 tests de régression hors Ollama et 2 tests Ollama réels ont réussi pour la release MVP documentée.Examiner RELAINE ↗INTELLIGENCE DOCUMENTAIRE RAG
ATLAST
Un workflow documentaire local pour l’ingestion de PDF et TXT, la recherche sémantique, la génération Ollama bornée et la validation des citations par rapport aux passages retrouvés.
40 tests automatisés ont réussi ; le benchmark de recherche publié est explicitement petit et synthétique.Examiner ATLAST ↗04 / COLLABORATION
Choisissez le plus petit point de départ utile.
Chaque voie utilise la même demande projet. Décrivez le changement métier, les systèmes actuels et les contraintes ; la forme technique viendra ensuite.
Audit initial ou échange de faisabilité
Clarifier le processus, l’opportunité, la maturité des données et les risques avant de choisir une implémentation.
Demander un audit initial ↗Projet d’implémentation complet
Confier une intégration IA ou une automatisation définie, de l’architecture jusqu’à la livraison et la transmission.
Parler d’un projet complet ↗Mission d’ingénierie freelance
Ajouter une capacité d’ingénierie IA, data ou applicative ciblée à une équipe et un plan de livraison existants.
Parler d’une mission freelance ↗PÉRIMÈTRE ÉLARGI
L’ensemble de l’activité Data & IA.
- Conseil, audits & stratégie
- Ingénierie IA & IA agentique
- Data Engineering, Big Data & Business Intelligence
- Assistance technique, maintenance & formation