Les documents réels sont sales
Scans, photocopies de scans, tableaux qui n’existent qu’en image, structure qui change d’un émetteur à l’autre. Le pipeline qui marche sur vos dix PDF de test ne survit pas au onzième.
Ingénieur IA indépendant — Casablanca, sur le fuseau de Paris
Je construis des systèmes RAG qui tiennent sur de vrais documents.
La plupart des démos marchent sur des PDF propres. En production, les documents sont scannés, font des centaines de pages, mélangent le français et l’arabe, et engagent juridiquement. J’ai déjà résolu ce problème une fois, à l’échelle : 45 000 documents, 274 000 citations de provenance, chaque valeur extraite rattachée au passage qui l’a produite.
Projets à partir de 8 000 € · TJM 500 € · disponible immédiatement
Pourquoi les systèmes RAG cassent en production
Le vectoriel seul ne discrimine pas
Dans un corpus juridique ou réglementaire, les formulations se répètent. Deux passages qui disent l’inverse ont des embeddings presque identiques — et ce que l’utilisateur cherche vraiment, un numéro d’article, une référence, une date, un montant, est précisément ce que les embeddings gèrent le plus mal.
Sans citation, le système est inutilisable
Dès que l’enjeu est contractuel, une réponse invérifiable ne vaut rien. Et la traçabilité ne s’ajoute pas à la fin : elle se perd au découpage. Il faut la transporter depuis l’OCR jusqu’à l’écran.
Références
Trois systèmes livrés en production, plus deux applications publiées en solo.
BidTender — SaaS multi-tenant
RAG citable sur des documents qui cassent les pipelines
Un dossier de consultation marocain arrive en dix à trente fichiers — PDF, Word, Excel, plans AutoCAD — en français et en arabe, souvent scannés, jusqu’à 3 592 pages pour un seul marché. J’ai construit le système qui les lit, avec chaque valeur extraite rattachée à l’extrait de texte qui l’a produite.
Références →Leyton — mission de conseil
Personnalisation temps réel avec un pipeline de personas RAG
Une plateforme cosmétique recommandait par segments figés, en ignorant tout le texte qu’elle possédait déjà. Passage à une recommandation par personne, en temps réel, construite sur de la récupération documentaire — et explicable par l’équipe métier.
Références →Chemin du Roi — plateforme industrielle
Jumeau numérique d’une unité de méthanisation
Cinq flux temps réel hétérogènes, cinq protocoles, cinq notions du temps — unifiés en une plateforme sur laquelle des ingénieurs d’exploitation prennent des décisions tous les matins.
Références →WardropAI · Wadrari
Deux produits mobiles conçus, construits et publiés en solo
Ce que ces deux applications prouvent tient en un mot : je finis. Un client qui confie un système documentaire craint de recevoir un notebook impressionnant et rien qui tourne.
Références →Comment on travaille ensemble
Audit et cadrage
Quelques jours pour établir pourquoi votre recherche échoue, ce qui est réparable, et ce que ça coûte. Vous repartez avec un plan chiffré — que vous me confiiez la suite ou non.
Construction en production
Conception et mise en production du système complet : ingestion, recherche, citations, interface. Livré avec un jeu d’évaluation qui vous appartient, pour que vous puissiez juger la qualité sans moi.
Accompagnement
Un à deux jours par mois pour faire évoluer un système existant, arbitrer les choix techniques et transmettre à votre équipe.
Projets à partir de 8 000 € · TJM 500 € · disponible immédiatement
Secteurs
Le problème est le même partout : beaucoup de texte, peu de structure, et un enjeu qui interdit l’à-peu-près.
- Legal-tech — contrats, extraction de clauses, dossiers
- Assurance — sinistres, comparaison de garanties
- Santé et administration — dossiers, codage, conformité
- Documentation technique — manuels, normes, spécifications
- Finance — rapports, dépôts réglementaires, due diligence
Un corpus qui résiste ?
Décrivez vos documents en trois lignes — volume, format, ce que vous cherchez dedans. Je vous dis en trente minutes si c’est faisable, comment, et à quel prix.