ThéoVersace

Architecte IA et data scientist. Je conçois des modèles et des systèmes d'IA qui tournent en production, y compris là où les données ne doivent jamais sortir.

Python, SQL, C#, R, JavaScript

Monoplace de Formule 1 en vue de profil, qui se démonte en sept sous-ensembles au défilement 5 4 2 3 7 1 6

Faites défiler pour démonter la monoplace, pièce par pièce.

Nomenclature

Les sept sous-ensembles et les outils qui les composent.

Rep.DomaineOutils et méthodes
1

IA générative

Aileron avant

RAG, LLM, embeddings, chunking, bases vectorielles, agents IA, MCP
2

Machine learning et statistiques

Nez et monocoque

Scikit-learn, XGBoost, CatBoost, Optuna, validation croisée, VIF, SHAP, Statsmodels, SciPy
3

Gouvernance et conformité

Halo

RGPD, HDS, AI Act (UE 2024/1689), pseudonymisation, SHA-256
4

Deep learning

Capot moteur

PyTorch, TensorFlow, Keras, LSTM, CNN, transfer learning, replay buffer
5

Data et business intelligence

Fond plat

Power BI (DAX), PBIRS, Metabase, SQL Server, T-SQL, schéma en étoile, qualité des données
6

MLOps et mise en production

Roues

FastAPI, Flask, API REST, Docker, GitHub Actions, Git
7

Cloud et web

Aileron arrière

Microsoft Fabric, OneLake, Delta Parquet, Databricks, Next.js, React, Supabase, Vercel

Projets

Des modèles entraînés, évalués et mis en service, surtout dans la santé.

Projet européen, 8 paysAtout Majeur Concept

Harmonic AI

Prédire la durée de séjour des patients admis aux urgences, avec un modèle explicable. Mission d'un mois à l'Université d'Évora, au Portugal.

  • Analyse statistique de 7 700 séjours du CHU de la Martinique, avec détection d'hétéroscédasticité (Breusch-Pagan) et bascule vers des tests robustes (Welch, Kruskal-Wallis, Games-Howell).
  • Feature engineering sur l'attente aux urgences, le créneau d'admission et le week-end, sélection des variables par corrélation et VIF.
  • Benchmark d'une quinzaine d'algorithmes en classification et régression, optimisés avec Optuna et expliqués par SHAP.
7 700séjours analysés
~15algorithmes comparés
8pays partenaires
2026Certification MSPR

MECHA.IA

Maintenance prédictive industrielle : détecter une panne à l'instant et estimer le temps restant avant défaillance.

  • Réseau dense pour la détection, LSTM bidirectionnel pour le RUL, en PyTorch.
  • ETL avec anonymisation SHA-256 dès l'ingestion, API FastAPI sous Docker, CI/CD GitHub Actions.
  • Apprentissage continu par replay buffer, alimenté par le feedback d'un dashboard React. Système classé au regard de l'AI Act.
717 klignes synthétiques
2modèles PyTorch
2025Certification

WildLens

Identifier l'animal qui a laissé une empreinte, parmi 13 mammifères, pour une application de sensibilisation à la faune sauvage.

  • Transfer learning sur MobileNetV2 et EfficientNetB0, entraînement en deux phases puis fine-tuning à learning rate réduit.
  • Augmentation et filtrage pour compenser un jeu de 252 images déséquilibré, analyse des confusions entre espèces.
  • Déploiement via une API REST Flask.
87,2 %accuracy
96,4 %top-3
En productionAtout Majeur Concept

RAG interne en architecture fermée

Un assistant qui connaît le code et la documentation de l'entreprise, sans qu'une ligne de source ne sorte du réseau.

  • Ingestion, chunking, embeddings et base vectorielle sur le code et la documentation technique.
  • Model Context Protocol branché sur la chaîne de dev, dont le serveur Figma pour générer des composants à partir des maquettes.
  • Déploiement de GitHub Copilot dans toute l'entreprise, avec guides de bonnes pratiques et formation des équipes.
Plusieurs hôpitaux clientsHDS et RGPD

BI hospitalière

Des tableaux de bord que les équipes des hôpitaux consultent pour piloter les lits et les mouvements de patients.

  • Power BI et Power BI Report Server déployés chez des CHU : gestion des lits en temps réel, mouvements patients multi-établissements.
  • Mesures DAX avancées et vues SQL Server pour alléger les sources.
  • Migration des rapports vers Metabase, avec modélisation en étoile et requêtes T-SQL.
2025Projet personnel

PolePickF1

Une application de pronostics de Formule 1, en ligne sur le web et publiée sur l'App Store. Construite avec Next.js et Supabase, déployée sur Vercel.

  • Next.js
  • React
  • Supabase
  • Postgres
  • Vercel
  • iOS

Parcours

Une base scientifique exigeante, réorientée vers l'IA appliquée.

  1. 2025 à 2027

    Master Expert IA et Data Sciences

    EPSI Toulouse, titre RNCP 35584 de niveau 7

  2. 2024 à aujourd'hui

    Développeur IA et data scientist en alternance

    Atout Majeur Concept, éditeur de logiciels pour établissements de santé (progiciel Sésame), Toulouse

  3. 2024 à 2025

    Bachelor Développeur IA et Data Analyst

    EPSI Toulouse

  4. 2023 à 2024

    Professeur particulier en mathématiques

  5. 2022 à 2024

    INSA Lyon, Bio-informatique et Modélisation

    Deux années validées, et un programme de repas éco-responsables avec les cantines de l'école

  6. 2020 à 2022

    Classe préparatoire scientifique

    Lycée Jean Mermoz

  7. 2020

    Baccalauréat

    Lycée Déodat de Séverac

Juin 2026

Microsoft Certified : Fabric Data Engineer Associate

Examen DP-700

Mars 2026

Anthropic Academy

AI Fluency, Claude with the Anthropic API, Claude Code in Action, Introduction to MCP, MCP Advanced Topics

Juin 2025

Learning AI Through Visualization

Columbia University

Un projet
à discuter ?

theo.versace@proton.me
GitHub LinkedIn

Français langue maternelle, anglais B2 pratiqué en contexte international. Hors écran : football, Formule 1, triathlon.