🎓 Je suis ingénieur logiciel et étudiant en Master Systèmes Intelligents et Multimédia à l'International School, l’Université Nationale du Vietnam (VNU Hanoi) et l’Université de La Rochelle (France)
💡 Passionné par l’Intelligence Artificielle, la Vision par Ordinateur et la Data Science,
j'aime concevoir des systèmes intelligents qui allient innovation technologique et impact social,
notamment dans les domaines de l’agriculture durable et de la santé numérique.
📜 Citation : « Utiliser l’intelligence artificielle pour bâtir une agriculture plus saine, plus durable et plus humaine. »
Système de Diagnostic Automatisé pour la Santé du Caféier et du Citronnier
Développement d’un système d’analyse d’images basé sur YOLOv11 et OpenCV pour diagnostiquer les maladies du caféier et du citronnier..
Les agriculteurs reçoivent des diagnostics instantanés avec des recommandations ciblées via une application web.
Stack : OpenCV, Python, IA & Vision par Ordinateur, Streamlit
Impact : Amélioration de la productivité agricole grâce à la détection précoce et à la prévention ciblée des maladies
Plateforme complète de gestion de dossiers médicaux intégrant 4 modules d'IA :
- Prédiction du risque patient
- Analyse épidémiologique par âge et localisation
- Détection de foyers de maladies
- Prévision de tendances sur 30 jours
Stack : Django 5.1.4, Scikit-learn, PostgreSQL, Chart.js
Impact : Aide à la décision médicale et recherche en santé publique
🔗 Voir le projet
Analyse comparative d'architectures de génération automatique de descriptions d'images
Étude comparative de deux approches d'image captioning sur le dataset Flickr8k : ResNet-50 préentraîné (transfer learning) vs CNN personnalisé entraîné from scratch. Les deux architectures utilisent un décodeur LSTM avec mécanisme d'attention additive de Bahdanau.
Contributions clés :
- Task A : Encodeur ResNet-50 (ImageNet) + LSTM + Attention → BLEU-4 = 0.0695
- Task B : Custom CNN 5 couches + GAP layer + LSTM → BLEU-4 = 0.0444
- Visualisations Attention Heatmaps et Grad-CAM pour interpréter les modèles
- Analyse approfondie : hallucinations, language prior, bottleneck effect
Performances : BLEU-4 ResNet-50 = 0.0695 · Gain transfer learning = +56,5%
Stack : Python, PyTorch, ResNet-50, LSTM, Flickr8k
Impact : Démonstration que le transfer learning est indispensable avec datasets limités
CNN léger pour la reconnaissance de panneaux routiers en temps réel
Conception et entraînement d'un réseau de neurones convolutif (CNN) pour classifier 43 classes de panneaux allemands sur 51 839 images réelles. Le modèle intègre dropout, augmentation de données et visualisation des activations.
Contributions clés :
- Architecture CNN légère (549 355 paramètres) avec 2 blocs convolutifs + dropout
- Augmentation de données : rotation, variation de luminosité, zoom simulé
- Comparaison CNN vs HOG via t-SNE pour quantifier l'apport du deep learning
- Visualisation des heatmaps d'activation (Grad-CAM)
Performances : Précision validation = 99,44% · Précision test officiel = 95,62%
Stack : Python, PyTorch, OpenCV, Matplotlib, Scikit-learn
Impact : Modèle robuste et léger applicable aux systèmes embarqués de véhicules autonomes
Pipeline OCR end-to-end pour les documents administratifs manuscrits congolais
Développement d'un pipeline complet de reconnaissance optique de caractères (OCR) spécifiquement adapté aux actes de naissance manuscrits de la République Démocratique du Congo. Le système transforme automatiquement une image scannée en document Word structuré exportable, avec extraction des 40 champs officiels du certificat.
Contributions clés :
- Construction d'un dataset annoté de 300 certificats
- Fine-tuning de LightOnOCR-2-1B sur le domaine spécifique RDC
- Post-correction par 40 règles regex adaptées à l'onomastique congolaise
- Interface Streamlit avec base SQLite et export Word
Performances : F1-Score = 93,7% · CER = 10,95% · Recall = 96,0%
Stack : Python, HuggingFace Transformers, Streamlit, SQLite, python-docx
Impact : Préservation du patrimoine documentaire
de la RDC et modernisation de l'administration de l'état civil
Développement de modèles de Machine Learning (régression logistique, réseaux de neurones)
pour identifier les facteurs de risque sur un jeu de 918 patients.
Performance : AUC-ROC = 0.925
Stack : Python, Scikit-learn, TensorFlow, Pandas, Seaborn, Matplotlib
Pipeline complet en 6 étapes combinant filtrage, segmentation HSV et analyse géométrique.
Performance globale : 96% de réussite sur 3 images complexes.
Stack : Python, OpenCV, NumPy
Applications : OCR, vision industrielle, imagerie médicale
Implémentation de l’algorithme Breadth-First Search (BFS) en environnement multi-agents
pour la visualisation interactive d’algorithmes de recherche de chemin optimal.
Stack : GAMA Platform, GAML
Applications : Robotique, navigation GPS, IA pour jeux vidéo
- 🚀 Optimisation et déploiement de modèles CNN pour périphériques edge
- 🧩 Intégration d'agents conversationnels et chaînes d'IA avec LangChain et LLMs
- ☁️ MLOps, Docker et déploiement sur le cloud
- 📈 Analyse avancée des données et visualisation interactive
- 🏥 Génération de données médicales synthétiques avec TimeGAN et modèles de diffusion conditionnels appliqués aux séries temporelles
- 📊 Évaluation de la fidélité des données générées avec MMD et DTW
- 🧠 Renforcement de mes compétences en cybersécurité appliquée à l'IA et aux systèmes web
Assistant IT Manager — Brasserie de la Couronne S.A (Coca-Cola Haïti)
Sept. 2018 – Janv. 2019, Port-au-Prince
- Maintenance et support de 50+ postes informatiques
- Administration réseau et serveurs Windows/Linux
- Gestion bases de données MSSQL
🎓 Master en Système Intelligent et Multimédia (SIM)
Université Nationale du Vietnam (VNU Hanoi) & Université de La Rochelle (France)
🎓 Licence en Sciences Informatiques
École Supérieure d’Infotronique d’Haïti
- 🔥 Deep Learning with PyTorch — Coursera (2025)
- 🧠 Python for Computer Vision with OpenCV and Deep Learning — Udemy (2025)
- 🐍 Python for Machine Learning — Udemy (2025)
- 📊 Data Manipulation — Udemy (2025)
- 🤖 Maîtriser les LLMs avec LangChain — Udemy (2025)
- 🛡️ Cybersécurité — Udemy (2024
- 💼 Entrepreneuriat et Gestion des PME — 2018
- 🌐 IT-Network — 2017
🇭🇹 Créole (natif) | 🇫🇷 Français (courant) | 🇬🇧 Anglais (intermédiaire) | 🇪🇸 Espagnol (intermédiaire)
