Skills, connected to projects.
From design and mobile-first development to AI engineering: explore the skills I use and the projects supporting them.
My technical toolbox
Tools I use across product development, AI assistance and training projects.
- Languages
- TypeScript
- Python
- SQL
- IA / ML
OpenAI- Anthropic
- Mistral AI
- LangChain
- scikit-learn
- MLflow
- Data engineering
- Airflow
- PostgreSQL
- Back-end & infra
- FastAPI
- NestJS
- Docker
- Neon
- Supabase
- Railway
- Front-end & mobile
- React
- Next.js
- Expo
- Astro
- Monitoring & quality
- PostHog
- Sentry
- AI-assisted development
- Codex
Claude Code
Frontend, design and mobile use
A practice developed through my products and client work, alongside AI engineering.
Unifête · Web preview ↗Interface design
Turn a need into a clear journey: screen structure, visual hierarchy and consistent interactions.
Design produit · UI · responsive
Le Grenier du Motard · Web preview ↗Mobile-first frontend
Design for small screens first: priority content, readability, touch navigation and forms. Then adapt layouts to larger screens.
React · Next.js · TypeScript · accessibilité
MotQuête · Web preview ↗Mobile applications
Build iOS and Android journeys with React Native and Expo, keeping web and app experiences consistent.
React Native · Expo · iOS · AndroidAI engineering: the interactive graph
Select a domain to see the skills and OpenClassrooms projects supporting it.
The complete learning map
Different skills, connected through practice.
A connection means that two domains appear in the same project. It is not a proficiency score.
Select a node, or explore the project profiles below.
Skills in practice
Product scoping
- Identifier et formaliser un besoin
- Étudier la faisabilité technique
- Prioriser des user stories
- Planifier ressources, budget et sprints
- Analyser risques, éthique et RGPD
La performance commerciale et la conduite d’une équipe réelle ne sont pas mesurées par ces projets.
Detailed evidence and limitations are preserved in French.Skills in practice
Data & pipelines
- Explorer et nettoyer des données
- Encoder et transformer les variables
- Construire des features métier
- Collecter via API et scraping
- Orchestrer un ETL avec Airflow
- Normaliser, valider et conserver la provenance
- Préparer un corpus FR/EN et des splits
La volumétrie réelle ingérée et l’exploitation durable doivent rester rattachées à un run et à un environnement.
Detailed evidence and limitations are preserved in French.Skills in practice
Supervised ML
- Comparer des modèles de régression
- Comparer des classifieurs
- Utiliser validation croisée et GridSearchCV
- Interpréter précision, rappel et F-score
- Choisir un seuil selon un coût métier
- Expliquer les prédictions avec SHAP
Séparer systématiquement apprentissage, sélection et test final indépendant.
Detailed evidence and limitations are preserved in French.Skills in practice
Vision & semi-supervision
- Exploiter un modèle de segmentation préentraîné
- Décoder les masques et calculer l’IoU
- Extraire des embeddings et transférer un backbone
- Comparer clustering et propagation de labels
- Appliquer le self-training
- Prétraiter des IRM
- Explorer la reconnaissance de positions en vidéo
Les résultats IRM restent exploratoires ; la vision vidéo d’échecs reste un démonstrateur.
Detailed evidence and limitations are preserved in French.Skills in practice
Reinforcement learning
- Modéliser états, actions et récompense
- Entraîner et comparer PPO/DQN
- Ajuster les hyperparamètres RL
- Évaluer une politique en simulation
Le résultat LunarLander ne prouve pas une robustesse hors simulation ou sur plusieurs entraînements indépendants.
Detailed evidence and limitations are preserved in French.Skills in practice
RAG, agents & LLMs
- Indexer et rechercher par embeddings
- Construire un RAG avec routage
- Évaluer les réponses d’un RAG
- Orchestrer des outils avec LangGraph
- Adapter un LLM par SFT/LoRA
- Comparer une étape DPO
- Analyser sorties, hallucinations et contrat JSON
- Concevoir une extension MCP
MCP reste une cible ; ni la fidélité générale du RAG ni la fiabilité clinique du LLM ne sont démontrées.
Detailed evidence and limitations are preserved in French.Skills in practice
APIs & applications
- Consommer une API d’inférence
- Exposer un modèle via FastAPI
- Définir des contrats et schémas de données
- Modéliser et utiliser SQL/SQLAlchemy
- Intégrer SQL, MongoDB et Milvus
- Construire des interfaces de démonstration
- Prévoir des replis de services
Une interface utilisable ne démontre pas l’authentification, la sécurité des accès ou une adoption utilisateur.
Detailed evidence and limitations are preserved in French.Skills in practice
MLOps & operations
- Tracer les expériences avec MLflow
- Conteneuriser et décrire les environnements
- Automatiser tests et déploiement CI/CD
- Journaliser et surveiller le data drift
- Mesurer une optimisation d’inférence ONNX
- Versionner code et artefacts
Registry MLflow, cohérence modèle/seuil et preuve d’exploitation actuelle restent à préciser.
Detailed evidence and limitations are preserved in French.Skills in practice
Communication & reflection
- Présenter simplement une architecture
- Justifier le choix d’un modèle
- Documenter un projet technique
- Expliquer aux interlocuteurs métier
- Déclarer les limites et résultats négatifs
Le degré d’autonomie personnel et les langues doivent être autoévalués, sans score déduit du nombre de dépôts.
Detailed evidence and limitations are preserved in French.Connections come from the same evidence as the 55-skill matrix. No proficiency percentages are inferred.
Project studies
Building my AI learning path
Defining my professional goal and organising my training.
Clothing segmentation
Using a pretrained model and interpreting its segmentation masks.
Predicting building energy use
Comparing regression approaches using building data.
Understanding employee attrition
Comparing classifiers and explaining predictions in an attrition use case.
Serving a model through an API
Connecting predictions, storage and data contracts in an API.
Tracking credit-scoring experiments
Tracking experiments and selecting a credit-scoring model using business costs.
Finding events with RAG
Connecting a natural-language request to an events corpus and evaluating responses.
Deploying and monitoring scoring
Moving the scoring solution from a notebook to a monitored, tested application.
Scoping an AI project
Turning a business intention into project scope, resources and decisions.
Learning with few labels
Exploring MRI classification using embeddings and semi-supervised learning.
Training a LunarLander agent
Comparing PPO and DQN in simulation across multiple evaluation episodes.
Building a multimodal pipeline
Collecting and normalising heterogeneous sources in an orchestrated pipeline.
Orchestrating a chess assistant
Connecting Lichess, Stockfish, document retrieval and videos in a processing graph.
Adapting a medical LLM
Comparing SFT and DPO and examining model limitations on an educational medical task.