Disponibilités limitées · T3–T4 2026 Île-de-France · --:-- heure locale

SA / 01 Salah Awad · Architecte d’entreprise et d’IA

Salah Awad — Des systèmes d’IA conçus pour tenir sous pression.

Je conçois et développe les systèmes qui soutiennent les IA à forts enjeux — agentiques lorsque le chemin est inconnu, déterministes lorsque la précision compte — pour des environnements qui doivent résister aux audits, aux pannes et aux revues de sécurité.

Voir les systèmes sélectionnés Échanger sur une mission
6 ans comme CTO 19+ ans de conception 3 langues de travail
Systèmes agentiquesArchitecture cibleIA souveraineSécurité MCPTransformation cloudIA appliquée

Preuves

Conçus et livrés, pas seulement conseillés.

Chaque chiffre ci-dessous correspond à quelque chose que j’ai conçu et livré, pas au travail d’une équipe voisine. La plupart comptent des systèmes et des décisions de conception plutôt que des serveurs — c’est volontaire. Les noms des clients et produits restent confidentiels ; l’ingénierie est l’essentiel.

34capacités d’IA classique et agentique livrées

Moteurs d’inférence, boucles d’orchestration, surfaces d’outils, piles de recherche, bancs d’évaluation et pipelines vocaux — chacun avec une implémentation de production identifiée.

2serveurs MCP de production construits

API d’entreprise exposées aux agents sous forme de contrats d’outils sélectionnés par domaine, via stdio et Streamable HTTP, derrière une identité fédérée et une issue de secours contrôlée par manifeste.

7fournisseurs de modèles derrière une abstraction

Moteurs auto-hébergés et hébergés sélectionnés par configuration : changer de fournisseur devient une variable d’environnement, pas une réécriture.

11moteurs de recherche et bases en production

Stockages lexicaux, vectoriels denses, graphes, relationnels et colonnaires — combinés dans une recherche hybride mesurée par un module d’évaluation dédié.

33modèles d’architecture éprouvés

Extraction progressive, identité partagée, deux modèles de mutualisation, API versionnées, pipelines par étapes, BFF protégeant les identifiants et modes de déploiement hors ligne.

10+langues dans un même pipeline d’IA

Traduction automatique, synthèse vocale et génération vidéo, développées et optimisées pour la formation industrielle multilingue.

180+dépôts activement indexés

Un parc de code actif couvrant services d’inférence, orchestrateurs d’agents, infrastructure de recherche, charts Helm de plateforme et clients mobiles.

6années consécutives comme CTO

De 2019 à 2025, avec la responsabilité complète de l’architecture et de l’organisation.

1 500+comptes sous une architecture cible unique

La preuve que les conceptions tiennent à l’échelle : un modèle unique d’inventaire, d’incident et de gouvernance couvrant plus de mille comptes, plus de 2 500 machines, plus de 600 bases de données managées et plus de 600 clusters de conteneurs.

Systèmes sélectionnés

Une architecture mesurée aux contraintes surmontées.

Quatre systèmes, quatre périmètres très différents. Leur point commun : une architecture qui transforme des contraintes à forts enjeux en systèmes exploitables, inspectables et dignes de confiance.

SYSTÈME / 01 Exploité à grande échelle

Un plan d’exploitation unique pour un parc cloud de plus de mille comptes.

Inventaire canonique, corrélation des incidents et gouvernance sur plus de 1 500 comptes, plus de 2 500 machines, plus de 600 bases RDS et plus de 600 clusters ECS et EKS — avec remédiation IA bornée intégrée au modèle opérationnel.

Contrainte
Aucune équipe ne maîtrise seule l’ensemble du parc
Architecture
Inventaire partagé + socle d’incidents + opérations agentiques
Résultat
Un plan de contrôle cohérent pour le cloud, le réseau et la sécurité
1 500+comptes cloud sous une architecture cible unique
SYSTÈME / 02 Souverain

Une IA industrielle sans aucun accès à l’Internet public.

Un pipeline portable d’inférence et de médias, déployé dans le cloud, sur site et dans des environnements totalement isolés — avec traduction, voix et vidéo dans plus de 10 langues.

Déploiement isoléFormation 50 % plus rapide
SYSTÈME / 03 Confiance bornée

Des outils d’entreprise ouverts aux agents — sans exposer l’entreprise.

Deux serveurs MCP de production avec identité fédérée, outils métier sélectionnés, issues de secours contrôlées par manifeste et trace immuable de chaque action.

Model Context Protocol2 serveurs de production
SYSTÈME / 04 Temps réel

Une intelligence vocale adaptée à la langue réellement parlée.

Transcription en temps réel de l’arabe levantin avec diarisation, suppression des hallucinations, correction métier et évaluation du sentiment, du risque et de la qualité — entièrement en local.

Inférence bilingue localeL’audio reste en interne

La pratique

Agentique là où cela se justifie.
Déterministe partout ailleurs.

L’erreur la plus coûteuse aujourd’hui en IA d’entreprise est de choisir un agent alors qu’un pipeline aurait été moins cher, plus rapide et certifiable. Je construis les deux ; savoir lequel employer concentre l’essentiel de la valeur architecturale.

Voie A — IA agentique

Lorsque le chemin ne peut pas être défini à l’avance.

Les agents sont des logiciels conçus avec rigueur, pas des chaînes de prompts. Il faut donc une boucle d’orchestration explicite, un outil de terminaison désigné, une limite d’itérations, des contrats d’outils typés, des résultats bornés et une trace persistante de chaque action — afin que le système puisse être audité après coup plutôt que cru sur parole.

01 Surfaces d’outils et frontières de confiance
Des serveurs Model Context Protocol (MCP) exposent les API d’entreprise sous forme d’outils sélectionnés par domaine, via stdio et Streamable HTTP, derrière une identité fédérée et une issue de secours contrôlée par manifeste.
02 Orchestration et état
Systèmes multi-agents à superviseur, sorties structurées typées par schéma, boucles de critique et de jugement, et machines à états conversationnelles avec schémas typés et localisés.
03 Garde-fous neuro-symboliques
Le modèle propose une intention, le code déterministe résout chaque valeur dans un référentiel immuable et un vérificateur exact rejette toute sortie invalide avant exécution.
04 Portabilité des fournisseurs et des modèles
Une abstraction indépendante des fournisseurs couvre les moteurs auto-hébergés et hébergés (OpenAI, Anthropic, Bedrock, vLLM) : changer de fournisseur relève de la configuration, pas d’une réécriture.
Voie B — IA classique et appliquée

Lorsque la tâche est bornée et la précision mesurable.

La majeure partie de la valeur livrée aujourd’hui en production n’est pas agentique. Elle concerne la voix, le langage, la recherche et la notation — des tâches avec vérité terrain, bancs d’évaluation et résultats chiffrés présentables à un auditeur. C’est la moitié moins spectaculaire, mais celle qui résiste réellement aux achats d’entreprise.

01 Intelligence vocale et conversationnelle
Transcription en temps réel avec diarisation des locuteurs, segmentation de l’activité vocale, correction par dictionnaire métier, suppression des hallucinations et notation du sentiment, du risque, de l’empathie et de la qualité — jusqu’au niveau dialectal en arabe levantin.
02 Recherche hybride mesurée
BM25 lexical fusionné avec des vecteurs denses par Reciprocal Rank Fusion (RRF), segmentation réglable, reclassement par encodeur croisé et bancs d’évaluation dédiés pour faire de la qualité de recherche une métrique vérifiée.
03 Pipelines linguistiques multimodaux
Traduction automatique neuronale, synthèse vocale et génération vidéo programmée, composées en pipelines par étapes avec des validations humaines conçues comme une étape à part entière.
04 Déploiement souverain et isolé
Modèles ouverts quantifiés sur des moteurs d’inférence locaux, contrôle de concurrence par sémaphore GPU, modes dégradés sur CPU et packaging hors ligne pour les parcs sans aucune sortie réseau.

Outil d’architecture interactif

Matrice d’adéquation de l’architecture IA

Ajustez vos contraintes d’entreprise pour déterminer si votre charge nécessite un pipeline borné, un système multi-agents supervisé ou un garde-fou neuro-symbolique.

1. Chemin d’exécution et prévisibilité des étapes
2. Rayon d’impact des outils et effets de bord
3. Vérité terrain et évaluation
4. Budget de latence et SLA
ARCHITECTURE RECOMMANDÉE

Pipeline déterministe borné

Vos contraintes indiquent un pipeline déterministe avec une vérité terrain mesurable. N’utilisez pas de boucle d’agent autonome ici : un pipeline structuré avec des bancs d’évaluation explicites sera dix fois plus rapide, moins coûteux et entièrement auditable.

Contrôle architectural obligatoire :

Mettre en œuvre une Reciprocal Rank Fusion des résultats BM25 et vectoriels denses, avec des tests automatisés de régression dans la CI.

Innovations

La pratique, mesures à l’appui.

Des systèmes récents que j’ai réalisés, dirigés ou conçus, retenus parce que chacun confronte une affirmation de cette page à une mesure. Les noms sont omis ; les mesures, non.

Intelligence des incidentsRéalisé

Des incidents instruits à la lumière de leur propre historique.

Pour un groupe mondial de l’aérospatiale, de la défense et de l’espace, j’ai réalisé un portail unifié d’opérations cloud : plus de 650 commits et environ 240 000 lignes en huit mois. Sa couche d’IA instruit les incidents avec un modèle de pointe servi par Amazon Bedrock, ancre chaque analyse dans une recherche hybride, par mots-clés et par vecteurs, sur l’historique des incidents, regroupe sémantiquement les incidents similaires et donne à l’assistant un accès outillé aux systèmes ITSM, d’observabilité, réseau, d’identité et cloud, tandis que les actions des utilisateurs sont conservées dans une piste d’audit en ajout seul.

650+ commits en 8 mois
Inférence souveraineRéalisé

Un modèle de 80 milliards de paramètres, 256 000 jetons de contexte, sur deux GPU grand public.

J’exploite une infrastructure d’IA privée composée de deux GPU grand public, de 24 Go et 32 Go, reliés par un lien direct 2,5 GbE. Un modèle de code de la classe des 80 milliards de paramètres, quantifié sur 3 bits, y est réparti couche par couche sur les deux cartes avec son contexte complet de 256 000 jetons ; il a réussi un test de l’aiguille à près de 250 000 jetons et a décodé à une médiane de plus de 90 jetons par seconde sur 230 requêtes réelles. Le même ensemble confie les tâches d’image, de vidéo et de rendu 3D à l’hôte disponible, et aucune inférence n’est payante.

256 000 jetons, zéro inférence payante
Capture du savoir-faireRéalisé · puis dirigé

Capter le savoir-faire des experts sans laisser le modèle l’inventer.

J’ai réalisé un intervieweur IA, puis dirigé l’équipe qui l’a étendu, qui transforme le savoir-faire oral d’un expert d’atelier en standard de formation structuré. L’étape d’extraction a pour consigne de ne retenir que ce que l’expert a énoncé, explicitement approuvé ou expressément demandé à l’intervieweur de proposer, et c’est un validateur déterministe de 17 règles, et non le modèle, qui juge si le résultat est suffisant. Une recherche documentaire optionnelle sur des sources publiques de sécurité au travail et de compétences peut orienter les questions, mais elle n’atteint l’extraction qu’en mode référence, qui interdit d’en tirer des valeurs, et la recherche en langage naturel ajoutée par l’équipe ne montre au modèle que des noms de champs, jamais les données des organisations clientes.

Validateur déterministe à 17 règles
Conception neuro-symboliqueRéalisé

Des agencements que le modèle propose et que la géométrie tranche.

J’ai réalisé un moteur d’agencement spatial dans lequel un modèle local propose le plan, tandis qu’un solveur à retour arrière, doté de contrôles exacts de collision, de dégagement et d’accessibilité, place chaque objet ; un modèle de vision peut départager des agencements déjà validés, jamais passer outre le vérificateur. Sur son propre banc d’essai de 75 scènes générées, des plus aérées aux plus denses, le solveur les a toutes résolues sans collision ni refus. Un pipeline voisin transforme un plan 2D en scène 3D rendue en lancer de chemins ; une passe de diffusion n’affine ensuite les matières et la lumière que sur les dernières étapes du débruitage, si bien que la géométrie reste là où le solveur l’a placée.

75/75 scènes, zéro collision
Décisions calibréesRéalisé

Des probabilités, pas de la prose, tirées de modèles locaux.

J’ai réalisé un moteur de décision qui pose à un modèle local une question à choix multiples lettrés et lit la probabilité d’un unique jeton de réponse. Il calibre cette probabilité pour chaque modèle par mise à l’échelle de température, moyenne une passe en ordre inversé pour neutraliser le biais de position, et s’évalue sur la précision, le score de Brier et l’erreur de calibration. Sur un jeu d’environ 100 décisions de développement étiquetées, il dépasse 85 % avec un modèle de 7 milliards de paramètres, à environ 20 ms par question, et atteint 99 % avec un modèle de 27 milliards. Compatible au niveau du protocole avec une API de décision commerciale, il permet au SDK de ce fournisseur de fonctionner sans modification sur des modèles locaux.

~99 % avec un modèle 27B
Évaluation de la rechercheRéalisé

Une recherche réglée sur un jeu de référence, pas sur une démo.

J’ai réalisé un serveur de recherche de code pour agents qui fusionne BM25 et recherche dense par fusion réciproque des rangs, et peut réordonner les résultats avec un cross-encoder. Il est mesuré sur un jeu de référence de 110 requêtes, dont près de la moitié est extraite de l’historique des commits, avec des étiquettes ancrées sur les fichiers plutôt que sur les fragments, afin de survivre à un changement de découpage ou de modèle d’embedding. Les mesures ont montré que la voie dense seule était nettement plus faible que BM25, et le reranker a amélioré le NDCG@10 de plus de moitié, de 0,46 à 0,71. Une couche d’orchestration multi-agents antérieure a été supprimée pour recentrer le serveur sur la recherche.

NDCG@10 0,46 → 0,71
Méthodologie de décisionConçu

Une grammaire pour les équipes, des représentations continues pour les moteurs.

J’ai conçu une méthodologie de décision qui décrit chaque produit, espace, profil client et assortiment selon les mêmes six axes typés. Les équipes manipulent des vocabulaires fermés et lisibles ; les moteurs travaillent sur des représentations continues de ces mêmes axes (embeddings multimodaux, vecteurs de couleur perceptuels en CIE L*C*h° avec covariance, tenseurs de matières et graphe de scène spatial hiérarchique), si bien que l’adéquation et la cohérence sont optimisées plutôt que consultées. Au-dessus s’articulent un optimiseur d’assortiment en programmation linéaire en nombres entiers sous contraintes de grammaire, un solveur d’agencement 3D, une élicitation bayésienne active des préférences, des tests séquentiels et un moteur de positionnement fondé sur la théorie de l’information. Ses résultats de référence : un score d’adéquation de 92/100, un score de cohérence de 88/100, tous les emplacements requis remplis et une marge supérieure de 18 % à une sélection manuelle.

Adéquation 92/100, marge +18 % vs manuel
Surfaces d’outils pour agentsRéalisé

Une passerelle d’outils qui permet aux agents d’emprunter un GPU voisin, en sécurité.

J’ai réalisé une passerelle Model Context Protocol pour chaque hôte GPU, qui offre aux agents de code huit outils typés et, délibérément, aucun shell. Un nœud ne peut emprunter la capacité de son pair qu’au moyen d’instantanés bornés en taille et vérifiés par empreinte, exécutés dans un bac à sable sans réseau. Le modèle ne démarre automatiquement qu’après un contrôle d’admission de la mémoire GPU qui refuse par défaut. Grâce à la mise en cache du préfixe du moteur d’inférence, le délai du premier jeton est passé de 1,2 s à moins de 40 ms sur un contexte de 5 000 jetons.

Premier jeton : 1,2 s → <40 ms
Génération ancréeRéalisé

Des images construites à partir du devis, pas d’un prompt.

Pour une plateforme d’IA verticale, j’ai réalisé une génération d’images qui conditionne chaque scène sur les photos des produits de la proposition chiffrée, avec un prompt négatif dérivé du catalogue pour chaque scène ; lors d’un test interne à petite échelle (six rendus d’une même scène), les copies en double des produits chiffrés ont disparu, sans que le modèle sache pour autant compter de façon fiable. Le modèle de production a été choisi par un modèle de vision notant la fidélité produit par produit sur une comparaison de quatre propositions (5,2 contre 2,0 et 0,1 sur 10), et les remplacements de produit sont réassemblés de sorte que chaque pixel hors de la zone modifiée reste identique à l’octet près.

Fidélité 5,2 / 2,0 / 0,1
Garde-fous neuro-symboliquesRéalisé

Le modèle choisit ; le catalogue détient chaque prix.

Pour la même plateforme, j’ai réalisé une génération de propositions dans laquelle un unique appel au modèle, en mode JSON, s’insère dans sept étapes déterministes. Ces étapes écartent tout produit absent de la sélection de candidats, réécrivent chaque prix et chaque nom à partir du catalogue, et corrigent les budgets ainsi que les recouvrements entre gammes. Le brief conversationnel en amont ne conserve un fait que s’il est étayé par les propres mots du client. Pour la fabrication sur mesure, un moteur de règles pur tranche l’ajustement, les tolérances, le prix et les validations, et le modèle ne peut que choisir parmi des options déjà validées.

1 appel au modèle, 7 étapes déterministes
Exploitation de l’IA générativeRéalisé

De l’IA générative sur GPU auto-hébergés, exploitée comme un service facturable.

J’ai réalisé la couche qui permet à des modèles de langage et de diffusion à poids ouverts de partager des GPU auto-hébergés comme un service facturable. Un coordinateur libère le modèle de langage avant que la diffusion ne prenne la carte ; une file durable aux codes d’échec typés est conçue pour que deux workers n’exécutent jamais le même rendu et qu’un rendu ne soit facturé qu’une fois au plus, après livraison ; et une soumission ambiguë met son GPU en quarantaine jusqu’à ce que la file prouve son absence. Si le modèle d’embedding qui répond n’est pas celui qui a construit l’index, la recherche se replie sur les mots-clés au lieu de renvoyer de mauvais voisins. L’imputation des coûts, que j’ai dirigée, rattache chaque appel à l’action métier qui l’a déclenché.

Facturé au plus une fois, après livraison
Vérification des agentsRéalisé

Le modèle qui produit le travail ne le note jamais.

J’ai réalisé une chaîne allant du ticket à la fusion dans laquelle l’agent de code d’un fournisseur travaille sur une branche isolée, l’agent d’un autre fournisseur audite le diff selon un schéma, et seuls des contrôles déterministes de lint et de tests peuvent fusionner. À ce jour, seules ses étapes ont été éprouvées séparément, en mode simulation : le tri a correctement écarté un ticket qui ne relevait pas du code et la porte de fusion a exécuté les tests concernés ; aucun ticket n’a encore traversé le développement et l’audit croisé, et la chaîne n’est pas autorisée à fusionner en production. Le même principe anime un outil de veille dans lequel deux moteurs d’agents tentent chacun de réfuter les trouvailles de l’autre. Les organisations dont l’existence ne peut être établie sont écartées, les organisations réelles aux informations périmées sont corrigées, et les informations périmées se sont révélées bien plus fréquentes que les inventions.

Étapes validées à blanc
Contrôle des contenus générésRéalisé

Voix, texte et vidéo générés, contrôlés avant d’être vus.

Je construis des contrôles objectifs des contenus générés plutôt que de me fier à des vérifications ponctuelles. Un estimateur de qualité de traduction à plusieurs niveaux, capable de fonctionner en environnement isolé, s’appuie sur un juge LLM local, et ce juge a repéré un contresens terminologique que tous les contrôles structurels avaient laissé passer. Un aller-retour retranscrit la narration synthétisée et classe chaque phrase selon son taux d’erreur sur les mots ; il a révélé des voix françaises qui avalent les consonnes finales. Pour les films, chaque image est décodée et analysée, avec une provenance hachée, avant livraison. L’estimateur de qualité est réalisé et validé, mais pas encore activé en production.

Chaque image décodée avant livraison
IA d’ingénierie industrielleRéalisé

Des plans CAO aux données exploitables par un atelier.

J’ai réalisé un pipeline sur site, présenté dans le cadre d’un challenge régional d’IA industrielle, qui lit un assemblage CAO et ses plans pour produire des calculs normatifs, des variantes de conception sur un front de Pareto, une géométrie corrigée et des fiches de savoir-faire opérateur. Les chiffres proviennent de règles d’ingénierie et de formules analytiques, les modèles se contentent de lire, classer et formuler, et chaque résultat cite sa page de plan ou sa norme.

Chaque chiffre issu d’une règle
Analytique par modèles locauxRéalisé

De petits modèles locaux sur de grands volumes de données opérationnelles.

J’ai réalisé une couche d’observabilité pour une plateforme Kubernetes multi-locataire. Elle masque jetons et données personnelles avant toute vectorisation, exécute onze analyseurs statistiques et vectoriels, et confie à un modèle local la narration des causes racines, tandis que les retours des opérateurs font taire les signatures bruyantes. Pour les données de delivery, j’ai fait converger un map-reduce sur un backlog de plus de 3 000 tickets : plafonner les éléments dans le code, plutôt que de se fier à la grammaire du modèle, a porté la compression à environ 4× par tour. Chaque clé de ticket renvoyée par le modèle est vérifiée contre la source.

~4× de compression par tour
Ingénierie native IAMéthode

Des agents de code gouvernés comme une organisation d’ingénierie.

Je pilote les agents de code comme un processus gouverné : une spécification écrite et un plan piloté par les tests précèdent toute ligne de code, les agents travaillent en parallèle dans des worktrees isolés, puis des relecteurs indépendants et un second modèle auditent le résultat. À ce jour, cela représente plus de 120 spécifications et 100 plans répartis sur plus de 25 dépôts. Sur une plateforme d’IA de plus de 200 000 lignes, les règles d’architecture vivent dans des tests exécutables de frontières et de dérive. Sur un parc de production multi-dépôts, les agents exécutent librement les commandes de lecture sur les clusters et le cloud, mais toute modification des clusters, des déploiements, des ressources cloud ou des dépôts distants exige une approbation explicite, guidée par une mémoire durable des causes racines vérifiées.

120+ spécifications, 25+ dépôts

Topologies de systèmes

Atelier d’architecture interactif.

Des modèles de référence issus de systèmes que j’ai conçus et développés, réduits à l’essentiel. Le code est illustratif et ne reproduit aucun code client. Sélectionnez un nœud pour examiner les frontières de confiance, les contrats et les défaillances évitées.

TOPOLOGIE DE RÉFÉRENCE

Frontière de confiance multi-agents et MCP

Zero Trust · Défense en profondeur
TÉLÉMÉTRIE ET SPÉCIFICATION DU NŒUD

Passerelle Model Context Protocol (MCP)

Une surface d’outils soigneusement sélectionnée expose les systèmes d’entreprise sous la forme de contrats JSON-RPC typés et nommés par domaine sur des transports prenant en charge le streaming, en dissociant strictement les droits d’exécution bruts de l’accès accordé au modèle.

APPLICATION DE LA FRONTIÈRE DE CONFIANCE Les jetons d’accès sont restreints à chaque outil plutôt qu’aux droits globaux de l’utilisateur. L’issue de secours exige un manifeste explicite.
DÉFAILLANCE DE PRODUCTION ÉVITÉE Empêche les SSRF induites par injection de prompt et les écritures non autorisées dans les stockages dorsaux.
tool_manifest.json SCHÉMA / CONTRAT 
// Contrat d’outil JSON-RPC
{
  "name": "query_inventory",
  "description": "Requête bornée sur les métadonnées d’actifs inter-comptes",
  "inputSchema": {
    "type": "object",
    "properties": {
      "account_id": { "type": "string", "pattern": "^[0-9]{12}$" },
      "resource_type": { "type": "string", "enum": ["ec2", "eks", "rds"] }
    },
    "required": ["account_id", "resource_type"]
  }
}

Compétences

Ce que l’on me demande de concevoir et de livrer.

Relier la stratégie de direction à l’ingénierie de production. Chaque discipline ci-dessous répond à un risque critique de l’entreprise : sécuriser l’adoption de l’IA, moderniser les systèmes historiques et garantir la conformité dans les environnements à forts enjeux.

01

Systèmes d’IA agentique

Impact métier : Élimine l’emballement des coûts de calcul et les dérives imprévisibles grâce à une vérification déterministe et une gouvernance prête pour l’audit.

Des agents construits comme des logiciels rigoureusement conçus, pas comme des chaînes de prompts : boucle d’orchestration explicite, outil de terminaison désigné, limites d’itérations, contrats d’outils typés, résultats bornés et piste d’audit permettant de reconstituer leur comportement des mois plus tard.

  • Surfaces d’outils MCP
  • Orchestration multi-agents
  • Conception de contrats d’outils
  • Terminaison et garde-fous
  • Boucles LLM-as-judge

Démontré dans : passerelle MCP sans shell, agents de code gouvernés, vérification croisée entre fournisseurs

Lire : frontières de décision de l’IA agentique
02

IA appliquée et classique

Impact métier : Déploie des solutions vocales, de traduction et de recherche hybride très précises, avec une vérité terrain mesurable qui satisfait les achats d’entreprise.

La moitié qui résiste aux achats : reconnaissance vocale, diarisation des locuteurs, analyse conversationnelle, traduction neuronale, synthèse vocale, recherche hybride et notation fondée sur des règles — des tâches bornées avec vérité terrain, bancs d’évaluation et précision présentable à un auditeur.

  • ASR et diarisation
  • Intelligence conversationnelle
  • RAG hybride
  • NMT et TTS
  • Bancs d’évaluation

Démontré dans : recherche évaluée sur un jeu de référence, contrôle des contenus générés, intervieweur d’experts

03

IA de confiance et souveraine

Impact métier : Des déploiements isolés et sur site qui protègent la propriété intellectuelle confidentielle et garantissent une stricte conformité ISO et RGPD.

L’emplacement de la frontière de confiance compte davantage que le modèle choisi. Le modèle propose une intention, le code déterministe résout chaque valeur dans un référentiel et un vérificateur exact rejette les sorties invalides — toute la pile pouvant fonctionner sur site ou totalement isolée lorsque les données ne doivent pas franchir le périmètre.

  • Conception neuro-symbolique
  • Inférence sur site
  • Déploiement isolé
  • Validations humaines
  • Portabilité des modèles

Démontré dans : infrastructure GPU privée, agencements neuro-symboliques, modèles locaux calibrés

Lire : IA souveraine en environnement isolé
04

Architecture cible et d’entreprise

Impact métier : Réduit le risque des investissements de plateforme pluriannuels grâce à une analyse d’options défendable, chiffrée et accompagnée de feuilles de route claires pour le conseil.

Évaluation de l’existant, options d’architecture réellement concurrentes plutôt qu’une préférence maquillée en alternatives, et grille de notation explicite — sécurité, disponibilité, interopérabilité, utilisabilité, évolutivité et coût total de possession — puis une décision défendable et sa feuille de route d’exécution.

  • Évaluation de l’état cible
  • Analyse d’options
  • Cadres de décision
  • Feuilles de route technologiques
  • Architecture de référence

Démontré dans : recherche évaluée sur un jeu de référence, choix de modèle noté sur la fidélité

05

Conception et intégration de solutions

Impact métier : Remplace les intégrations spaghetti fragiles par des contrats de services gouvernés, des passerelles API modernes et des bus de messages évolutifs.

L’architecture entre les systèmes : comparaison d’un bus de services centralisé et d’un modèle fédéré décentralisé où chaque département conserve son infrastructure derrière des contrats standardisés ; moteurs documentaires, de dossiers et de processus ; routage, transformation et validation des messages ; registre et piste d’audit qui rendent l’ensemble gouvernable.

  • ESB ou maillage fédéré
  • Passerelles API
  • BPM et gestion de dossiers
  • Plateformes de contenus et d’archives
  • Contrats de services

Démontré dans : intelligence des incidents, IA générative exploitée en service, passerelle MCP sans shell

06

Architecture multicouche sécurisée

Impact métier : Une défense en profondeur qui empêche les fuites de données, les attaques par injection de prompt et les modifications d’API non autorisées.

Une défense en profondeur conçue en supposant que chaque contrôle finira par échouer : identité fédérée, isolation des tenants, conservation chiffrée des identifiants, surfaces d’outils contraintes, contrôles de la chaîne d’approvisionnement dans la CI, politiques réseau et audit immuable à chaque couche.

  • OIDC / SAML / LDAP
  • Isolation des tenants
  • Sécurité des surfaces d’outils
  • SBOM et chaîne d’approvisionnement
  • Audit et conformité

Démontré dans : passerelle MCP sans shell, intelligence des incidents, agents de code gouvernés

Lire : architecture de sécurité MCP
07

Architecture de plateforme et d’exploitation

Impact métier : Réduit le coût total de l’infrastructure (FinOps) et le MTTR en automatisant le tri des incidents sur de vastes parcs cloud.

Concevoir le plan depuis lequel un grand parc est réellement exploité — inventaire canonique, modèle d’incident traversant les frontières de responsabilité, gouvernance des landing zones — puis y connecter modèles de fondation et outils DevOps agentiques afin de trier, expliquer et corriger les incidents au lieu de simplement les signaler.

  • AIOps et auto-remédiation
  • Gouvernance multi-comptes
  • Usine de migration
  • FinOps et ROI
  • Observabilité du parc

Démontré dans : intelligence des incidents, analytique d’exploitation par modèles locaux, IA générative exploitée en service

08

CTO à temps partagé et livraison

Impact métier : Accélère la cadence technique, assure une sélection impartiale des fournisseurs et fournit aux conseils et fondateurs une diligence technique robuste face à l’audit.

Audit technique préalable, conception de l’organisation d’ingénierie, gouvernance des feuilles de route et du backlog, stratégie fournisseurs et partenaires, et discipline peu spectaculaire qui permet à une équipe distribuée de livrer à la date promise.

  • Audit préalable
  • Conception d’organisation
  • Gouvernance de feuille de route
  • Stratégie fournisseurs
  • Direction de transition

Démontré dans : agents de code gouvernés, intelligence des incidents

Parcours

Là où l’expérience s’est forgée.

Les organisations sont décrites, jamais nommées — qu’il s’agisse de clients, d’employeurs, de produits ou de programmes. Les compétences se transmettent ; la confidentialité demeure.

  1. 2025 — AUJOURD’HUI MISSION EN COURS

    Groupe mondial de l’aéronautique, de la défense et du spatial — 83 000 personnes

    Directeur de programme, transformation cloud · Responsable des opérations

    Conception et pilotage d’une transformation cloud à l’échelle du groupe : architecture cible, cadre de gouvernance de l’usine de migration, évolution du modèle opérationnel vers DevOps, SRE et la livraison centrée produit, et viabilité financière fondée sur le FinOps et le suivi du ROI plutôt que sur des hypothèses.

    J’ai conçu de bout en bout la plateforme d’exploitation du groupe — un modèle unique d’inventaire, d’incident et de gouvernance couvrant plus de mille comptes ainsi que leurs couches réseau et sécurité — puis j’y ai connecté des modèles de fondation gérés et des outils DevOps agentiques. Les incidents sont ainsi corrélés, triés, expliqués et corrigés automatiquement au lieu d’être simplement signalés. Le véritable problème n’a jamais été le nombre de machines, mais une architecture qui reste cohérente quand aucune équipe ne possède l’ensemble du parc.

    83 000 personnes dans le groupe Architecture cible IA appliquée aux opérations Auto-remédiation AIOps
  2. 2023 — 2025

    Entreprise d’IA industrielle — incubée par un grand groupe

    Cofondateur · Directeur des technologies et DSI

    Conception et développement à partir de zéro d’une plateforme de formation industrielle propulsée par l’IA : un écosystème sécurisé et modulaire déployé sur Azure, AWS, GCP et dans des environnements sur site isolés, avec SaaS multi-locataire et déploiements privés pour les organisations sensibles, alignés sur les exigences ISO et RGPD. J’ai personnellement développé une grande partie du pipeline IA — traduction automatique, synthèse vocale et génération vidéo dans plus de dix langues — tout en assurant comme DSI la gouvernance informatique, la cybersécurité et l’évaluation de conformité client. Les méthodes de réalité étendue et de jumeau numérique ont réduit de moitié le temps de formation.

    Pipeline IA en plus de 10 langues IA souveraine isolée Jumeaux numériques et XR Temps de formation réduit de 50 %
  3. 2020 — 2023

    Éditeur de logiciels d’entreprise EMEA

    Directeur des technologies

    Responsabilité de la stratégie et de la pile technologiques des bureaux régionaux d’un éditeur de transformation numérique EMEA, avec pilotage d’équipes de chefs de projet, consultants fonctionnels et ingénieurs réparties sur trois sites. Livraison de services de contenus d’entreprise, d’automatisation des processus, d’archivage profond et de gouvernance des données pour la finance, les administrations et la santé — recherche sémantique avec recommandation, classification des archives et des blocages juridiques, traitement des données personnelles et PCI, visionneuses en streaming, passerelles API multi-sources couvrant CRM, signature électronique et mainframes, et plateforme centrale de microservices pour passerelle, registre, stockage, notification et planification.

    3 bureaux régionaux Recherche sémantique et archivage Plateforme centrale de microservices
  4. 2019 — 2020

    Accélérateur et incubateur national de start-up

    Directeur des technologies · Directeur de programme

    CTO d’un écosystème d’accélération et d’incubation, et directeur de programmes agroalimentaires et cleantech financés à l’international. Définition de la direction technique de start-up travaillant sur des piles mobiles, web, IA et blockchain ; accompagnement de chaque cohorte de la preuve de concept au MVP puis au produit prêt pour le marché ; création de partenariats avec de grands fournisseurs cloud et logiciels pour soutenir l’écosystème.

  5. 2019

    Conseil indépendant — CCG

    Consultant senior en transformation numérique

    Architecture technique et choix technologiques pour des programmes d’administration numérique, direction d’une équipe de livraison de 28 ingénieurs et définition de plans d’architecture visant à réduire le coût total de possession, parallèlement à des programmes d’automatisation marketing pour des banques et entreprises régionales.

  6. 2009 — 2019

    Éditeur mondial de logiciels pour les marchés de capitaux

    Responsable produit senior · Chef de projet · Développeur senior

    Dix ans au sein de l’un des plus grands éditeurs de logiciels pour les marchés de capitaux, jusqu’à devenir responsable produit de l’infrastructure technique de la plateforme phare de trading, trésorerie, risque et post-marché. Responsabilité de la feuille de route infrastructure — cloud, virtualisation, systèmes d’exploitation, compilateurs, bases de données et matériel ; pilotage technique du passage d’un monolithe au SaaS sur cloud public ; transformation transverse avec migration de plus de 500 machines physiques et changement de plateforme des systèmes et bases sans interruption, avec 40 % de capacité supplémentaire ; réduction de 30 % des coûts matériels et de 60 % du temps de certification ; livraison d’un produit de masquage des données et d’un cadre mondial d’automatisation QA exécutant plus de 200 000 tests par jour.

    500+ machines physiques migrées 200 000+ tests par jour Changement de plateforme sans interruption
  7. 2007 — 2009

    Éditeur régional de logiciels bancaires

    Chef d’équipe · Développeur logiciel senior

    Pilotage de la livraison d’une application de banque en ligne intégrée aux services web du cœur bancaire, conçue en trois tiers avec répartition de charge par courtier de messages, ainsi que d’une intégration de reporting boursier et d’une plateforme de récompenses pour cartes.

  8. 2017 — AUJOURD’HUI

    Animation d’une communauté de développeurs

    Responsable de communauté — Beyrouth

    Animation d’une communauté de plus de 7 000 ingénieurs, avec plus de 55 ateliers de code, hackathons et événements techniques, dont le premier événement TechCrunch de la région MENA.

Pile technologique

Les outils avec lesquels je construis réellement.

Une liste issue du code actif plutôt que d’une liste de souhaits — les technologies présentes dans les systèmes que j’ai conçus, développés ou exploités en production.

IA et inférence

Service de LLM à poids ouverts · moteurs locaux quantifiés · OpenAI · Anthropic · Azure OpenAI · Gemini · Groq · couches d’abstraction des fournisseurs · Model Context Protocol · orchestration multi-agents · sorties structurées · LLM-as-judge · systèmes de prompts · bancs d’évaluation

Recherche et données

Recherche hybride BM25 + dense · reciprocal rank fusion · Apache Solr · OpenSearch · Qdrant · pgvector · Chroma · graphes de connaissances Neo4j · plongements et reclasseurs · PostgreSQL · MongoDB · Redis · ClickHouse · Kafka · Spark · Airflow

Voix et médias

ASR de classe Whisper · diarisation des locuteurs · détection d’activité vocale · plongements de locuteurs · traduction automatique neuronale · synthèse vocale · génération vidéo programmée · OCR et extraction documentaire · jumeaux numériques · AR / VR / XR

Plateforme et moteurs

Kubernetes · Helm · Argo CD et GitOps · CloudNativePG · cert-manager · ingress-nginx · Docker · Terraform · Ansible · Prometheus · OpenTelemetry · Grafana · AWS · Azure · GCP · sur site et en environnement isolé

Opérations cloud et AIOps

Organisations AWS multi-comptes et landing zones · inventaire d’actifs inter-comptes · plateformes de gestion des incidents · modèles de fondation gérés pour la détection et la remédiation · outils DevOps agentiques · APM d’entreprise et automatisation · parcs Kubernetes et conteneurs gérés · parcs de bases relationnelles gérées · architecture VPC segmentée · pare-feu de nouvelle génération · DNS / DHCP / IPAM d’entreprise

Ingénierie

Python · TypeScript · Java · C# / .NET · Dart et Flutter · Go · PHP · FastAPI · Node et Express · Spring · React · Next.js · Vue · Angular · microservices · conception événementielle · passerelles API · bus de services d’entreprise · BPM et gestion de dossiers

Sécurité et gouvernance

OIDC · SAML · fédération LDAP · Keycloak · MFA · RBAC · isolation multi-tenant · chiffrement au repos · gestion sécurisée des secrets · politiques réseau · SBOM et analyse des dépendances · limitation de débit · journaux d’audit immuables · alignement ISO et RGPD · résidence des données

Notes de terrain

Une réflexion d’architecture rendue inspectable.

Des notes techniques ciblées pour les équipes qui doivent décider où placer l’autonomie et la frontière de confiance, et comment exécuter l’IA lorsque les données ne peuvent pas sortir.

01 Architecture agentique

Là où l’autonomie s’arrête et où le contrôle déterministe commence.

Lire la note ↗ 02 Sécurité MCP

Une frontière de confiance défendable pour les surfaces d’outils des agents.

Lire la note ↗ 03 IA souveraine

Des systèmes d’IA pour les environnements sans aucune sortie externe.

Lire la note ↗

Questions

Des réponses directes.

Écrites pour les personnes qui évaluent une mission — et pour être citées fidèlement par les moteurs de réponse qu’elles consultent en premier.

Qui est Salah Awad ?

Salah Awad est architecte de solutions et d’entreprise et a exercé les fonctions de directeur des technologies. Installé en Île-de-France, il développe des logiciels professionnellement depuis 2007 dans les domaines des marchés financiers, des plateformes de contenus et de processus d’entreprise, des programmes nationaux d’administration numérique, des écosystèmes de start-up et de l’IA industrielle.

Il est aujourd’hui directeur de programme pour la transformation cloud d’un groupe mondial de l’aéronautique, où il dirige un programme de migration couvrant plus de 2 500 machines virtuelles. Il a auparavant été cofondateur, CTO et DSI d’une entreprise de formation industrielle propulsée par l’IA. Titulaire d’un master en informatique, il travaille en arabe, en anglais et en français.

Que livre concrètement un architecte de solutions ?

Une décision défendable, accompagnée de ses preuves. Cela implique une évaluation de l’existant, des options d’architecture réellement concurrentes plutôt qu’une préférence déguisée en alternatives, et une grille de notation explicite — sécurité, disponibilité, interopérabilité de l’écosystème, utilisabilité, évolutivité et coût total de possession — appliquée à chacune.

J’ai mené précisément cette comparaison entre un bus de services d’entreprise centralisé, un modèle fédéré décentralisé où chaque département conserve son infrastructure derrière des contrats de communication standardisés, et une pile sur mesure associant gestion documentaire, conception low-code de dossiers et moteurs de processus métier. Le livrable est l’architecture cible, la feuille de route technologique et un raisonnement capable de résister aux objections de ceux qui doivent le financer.

IA agentique ou IA classique : quand employer chacune ?

L’IA classique est bornée : un modèle reçoit une tâche définie — transcrire cet appel, séparer ces locuteurs, traduire ce texte, retrouver ces documents, évaluer ce dossier — et renvoie un résultat mesurable par rapport à une vérité terrain. L’IA agentique permet au modèle de choisir des actions, d’appeler des outils et d’itérer vers un objectif.

Utilisez l’IA classique lorsque la tâche est bien définie et que la précision est mesurable. Elle est moins chère, plus rapide, auditable et bien plus facile à certifier. Utilisez l’IA agentique lorsque le chemin vers la réponse ne peut réellement pas être défini à l’avance — recherche en plusieurs étapes, orchestration entre systèmes ou traitement d’exceptions qui exigerait autrement une intervention humaine.

La plupart des programmes d’IA qui échouent ont choisi un agent alors qu’un pipeline aurait suffi, ou ont livré un agent sans condition de terminaison, sans contrat d’outil typé ni piste d’audit. Choisir la bonne voie concentre l’essentiel de la valeur architecturale.

Comment exposer des API d’entreprise aux agents d’IA en toute sécurité ?

Jamais en donnant à un agent un client HTTP générique. Publiez une surface d’outils sélectionnés — un serveur Model Context Protocol ou équivalent — où chaque outil constitue un contrat typé, nommé et propre à un domaine, plutôt qu’un générateur de requêtes ouvert.

Placez l’identité de l’agent derrière le même fournisseur d’identité que vos utilisateurs humains afin que chaque appel soit attribuable. Restreignez la portée des jetons d’accès à chaque outil plutôt qu’à l’ensemble des droits de l’appelant. Protégez tout outil générique de secours par un manifeste explicite. Bornez et tronquez les résultats. Consignez chaque invocation et ses arguments dans une piste d’audit immuable. La frontière de confiance se situe entre le modèle qui propose une action et le code déterministe qui l’autorise.

Qu’est-ce qu’une architecture d’IA multicouche sécurisée, ou défense en profondeur ?

Elle consiste à concevoir en supposant que chaque contrôle finira par échouer, puis à superposer des contrôles indépendants pour qu’aucune défaillance unique ne soit fatale.

Pour les systèmes d’IA, ces couches sont : l’isolation réseau et de déploiement, jusqu’au fonctionnement totalement isolé lorsque les règles imposent de conserver les données sur site ; l’identité fédérée avec authentification multifacteur et contrôle d’accès par rôles ; l’isolation des données par tenant ; une surface d’outils contrainte pour chaque agent ; la vérification déterministe des sorties du modèle avant leur application ; le chiffrement des données au repos et des identifiants stockés ; la limitation de débit et les contrôles anti-abus ; les contrôles de la chaîne d’approvisionnement, comme les nomenclatures logicielles et l’analyse des dépendances dans la CI ; enfin, une journalisation d’audit immuable sur l’ensemble.

Les grands modèles de langage peuvent-ils fonctionner entièrement sur site ou en environnement isolé ?

Pour les charges réglementées, de défense, souveraines ou industrielles soumises à de fortes contraintes de résidence, de confidentialité ou de connectivité, un déploiement sur site ou isolé peut être indispensable. Des modèles quantifiés à poids ouverts exécutés par un moteur d’inférence local peuvent assurer transcription, traduction, extraction, synthèse, classification et réponses fondées sur la recherche, tout en maintenant les données d’inférence dans le périmètre contrôlé lorsque les flux de sortie, de télémétrie et d’artefacts sont correctement configurés.

L’effort architectural porte sur l’abstraction des fournisseurs, afin que la même application utilise par configuration un moteur local ou une API hébergée ; un mode dégradé CPU pour les sites sans accélérateur ; un contrôle de concurrence pour ne pas saturer un GPU unique ; et le packaging de toute la pile pour les environnements sans accès à Internet.

Que recouvre concrètement l’IA conversationnelle et de centre de contact ?

Bien davantage que l’appel d’une API de transcription. Un pipeline de production doit détecter l’activité vocale pour segmenter l’audio, effectuer la diarisation pour établir qui parle et quand, utiliser un modèle de reconnaissance adapté au dialecte réellement employé plutôt qu’à la langue scolaire, corriger le vocabulaire propre au métier à l’aide d’un dictionnaire, appliquer une passe de correction et de suppression des hallucinations fondée sur un modèle, puis normaliser le texte avant toute analyse.

Ce n’est qu’ensuite que la couche la plus intéressante s’exécute : notation du sentiment, du risque, de l’empathie et de la qualité, suggestions d’orientation et historique conversationnel interrogeable. J’ai construit cette pile de bout en bout pour l’arabe levantin — en temps réel, avec identification des locuteurs, interface opérateur bilingue de droite à gauche et inférence locale afin que les enregistrements ne quittent jamais l’infrastructure de l’opérateur.

Comment exploiter un parc cloud de plus de mille comptes ?

Lorsque le nombre de comptes dépasse le millier, la contrainte principale n’est plus une charge particulière mais la cohérence : savoir ce qui existe, qui en est responsable, ce qui a changé et ce qui est actuellement en panne.

Il faut pour cela un plan d’exploitation unique au-dessus des comptes plutôt que des outils par compte — un inventaire canonique inter-comptes des ressources de calcul, conteneurs, clusters et bases de données ; un modèle d’incident qui traverse les frontières de responsabilité ; et une gouvernance appliquée au niveau des landing zones plutôt que négociée compte par compte. Le réseau et la sécurité doivent être intégrés à ce même plan — réseaux virtuels segmentés, pare-feu de nouvelle génération et services DNS, DHCP et gestion d’adresses IP d’entreprise — faute de quoi l’inventaire est fictif. Ce n’est qu’une fois ce socle en place que l’automatisation apporte de la valeur.

Qu’est-ce que l’AIOps, et l’IA peut-elle réellement résoudre des incidents automatiquement ?

L’alerte n’est pas l’exploitation. Une fois qu’un inventaire canonique et un plan unifié de gestion des incidents existent, des modèles de fondation gérés et des outils DevOps agentiques peuvent y être directement connectés — pour corréler les signaux dans tout le parc, attribuer l’incident au service responsable, expliquer la cause probable dans un langage exploitable par l’ingénieur d’astreinte et exécuter une remédiation bornée plutôt que d’appeler un humain pour dérouler manuellement un runbook.

La discipline d’ingénierie est la même que pour tout système agentique : surfaces d’action bornées, vérification déterministe avant toute modification et piste d’audit immuable de chaque action automatisée. Un agent capable de redémarrer un service ne doit pas, pour autant, pouvoir le supprimer.

Quels types de missions acceptez-vous ?

Architecture cible et feuilles de route technologiques. Conception de systèmes d’IA agentique et classique, ainsi que revue d’architectures d’IA déjà en cours de réalisation. Architecture de plateformes multicouches sécurisées pour les environnements réglementés. Conception de programmes de transformation cloud et d’usines de migration, y compris gouvernance FinOps et ROI. Missions de CTO à temps partagé ou de transition couvrant l’audit technique préalable, la conception de l’organisation d’ingénierie et la gouvernance de la livraison.

Les missions sont menées en français, en anglais et en arabe, en Europe, au Moyen-Orient et en Amérique du Nord.

Contact

CONSEIL DIRECT ET MISSIONS DE CTO · RÉPONSE SOUS 24 HEURES

Dites-moi ce qui doit tenir.

Le premier message le plus utile décrit la contrainte, pas la technologie : l’audit à réussir, la panne qui ne peut pas survenir, les données qui ne doivent pas quitter le site ou la date qui ne changera pas.

Astuce : appuyez sur Ctrl+Entrée pour envoyer

Directement dans la boîte de réception de Salah Awad. Aucune séquence marketing automatisée, aucun tiers.