Ingénieur Machine Learning · Ingénieur IA · Data Scientist

Diego Agudelo

Je construis des systèmes de machine learning, des mathématiques jusqu'au service en production, et je documente comment chacun a été évalué et où il montre ses limites.

Parmi eux : un réseau de neurones écrit de zéro sans framework de ML, un pipeline de prédiction de salaires déployé en application web publique, et un système de questions-réponses sur le droit du travail français qui refuse les questions hors sujet.

À l'École 42 Paris, je dirige l'AI Lab de 42AI : je cadre ses projets, recrute et encadre les étudiants qui les réalisent. Avant cela, trois ans comme ingénieur civil chez Egis et Sixense, à inspecter tunnels, lignes de métro et bâtiments.

École 42 Paris · 42AI AI Lab · Egis · Sixense

En ce moment · Mis à jour 26 Sep 2026

Je développe RAG-Syntec, un système de questions-réponses à génération augmentée par la récupération sur la convention collective Syntec.
Je dirige l'AI Lab de 42AI.
Ouvert aux opportunités, disponible immédiatement.

Projets sélectionnés

Six projets, chacun avec ma contribution, sa méthode d'évaluation et ses limites.

1.1Weight Your Wage

Prédit les salaires des développeurs à partir de l'enquête Stack Overflow. Un projet d'équipe de l'AI Lab de 42AI qui couvre tout le chemin, des données brutes à une application web publique ; le modèle est une baseline assumée, le vrai travail est le pipeline.

Déployé · application web publique

raw survey

MinIO

ETL

PostgreSQL

clean labels

Cleanlab

train · Huber

Lightning · MLflow

serve

FastAPI jobs

web app

Next.js

monitoring — Grafana · Prometheus · Loki

Fig. 1 — Pipeline as implemented in the repo. Stages outlined in accent are where most of my commits went.

MA CONTRIBUTION: Mes commits sont allés surtout au code d'entraînement du modèle (PyTorch Lightning, MLflow), au service FastAPI, à la configuration Docker Compose et aux tableaux de bord de monitoring. J'ai réalisé seul le front end web Next.js, dans un dépôt séparé.
RÉSULTAT: Déployé et public. Aucune revendication de précision : le modèle est un placeholder par choix.

Lire l'étude de cas →Code ↗Démo en ligne ↗

CONTEXTE: AI Lab de 42AI
RÔLE: Équipe de 5
STATUT: Terminé
STACK: Python
PyTorch
PyTorch Lightning
pandas
scikit-learn
Cleanlab
MLflow
FastAPI
PostgreSQL
MinIO
Docker
Docker Compose
Prometheus
Grafana
Loki

1.2 Multilayer perceptron

Classe les tumeurs du sein en bénignes ou malignes avec un réseau de neurones écrit en NumPy : couches, fonctions de perte et optimiseurs derrière une API façon Keras.

97,4 % préc. validation
569 échantillons

96,5–97,4 % de précision en validation sur trois essais 80/20 (graine 42) ; l'essai principal, avec arrêt anticipé sur la perte de validation, a atteint 96,5 %.

Étude de cas →Code ↗Notebook ↗

Adam, 24-24, essai A97.4%
Arrêt anticipé, essai principal96.5%
Adam, 24-24, essai B94.7%

Fig. 2 — Précision en validation

CONTEXTE: École 42 · projets IA
RÔLE: Solo
STATUT: Terminé
STACK: Python
NumPy
pandas
matplotlib

1.3 RAG-Syntec — EN COURS

Répond aux questions sur la convention collective Syntec et refuse les questions hors sujet avant même d'appeler le LLM. 172 documents, 8 447 chunks, récupération dense sur Chroma.

172 docs · 8 447 chunks
55 questions étiquetées

Calibration du seuil seulement : les questions dans le sujet sont restées sous une distance de 0,701, les hors-sujet au-dessus de 0,780 ; le seuil est fixé à 0,74.

Étude de cas →Code ↗

Dans le sujet, distance maximale0.701
Seuil de refus0.740
Hors sujet, distance minimale0.780

Fig. 3 — Distance au chunk le plus proche

CONTEXTE: Projet personnel, parti d'un squelette de test technique
RÔLE: Solo
STATUT: En cours
STACK: Python
LangChain
Chroma
FastAPI
Ollama
OpenAI API
Docker
Docker Compose
pytest

1.4 CapTech IDF — EN COURS

Cartographie 79 099 entreprises d'Île-de-France à partir des données publiques de l'Insee, réparties sur 16 domaines technologiques. Une entreprise n'entre dans un domaine qu'avec une source citée et datée ; 23 en ont une à ce jour, en IA, cybersécurité et systèmes embarqués. Le code est privé.

79 099 entreprises
1 343 segments indexés

Sirene stocks

Parquet · DuckDB

load

Supabase

crawl sites

robots.txt · 1 req/s/host

evidence corpus

URL · page · block filters

cited domain

source · date

map · 2D/3D scene

MapLibre · three.js

tests — 1,000+ automated tests (Vitest)

Fig. 4 — Data flow as documented in the private repo. Outlined in accent: the evidence path; a company joins a domain only with a cited, dated source.

Le nettoyage du corpus a réduit les segments indexés de 2 105 à 1 343 ; 45 organisations sur 46 ont conservé du texte métier. La récupération est évaluée sur 18 requêtes en mode positif–non étiqueté, donc aucune précision ni F1 n'est revendiquée.

Étude de cas →Démo en ligne ↗

CONTEXTE: Projet personnel
RÔLE: Solo
STATUT: En cours
STACK: TypeScript
Next.js
Supabase
MapLibre
ECharts
three.js
DuckDB
Vitest
Cloudflare Workers
Claude Code

1.5 Leaffliction

Classe des photos de feuilles de pommier et de vigne en 8 classes (6 maladies, 2 saines) avec un CNN PyTorch ; l'augmentation équilibre les classes avant l'entraînement.

94,1 % préc. sur test indépendant
8 classes

94,1 % de précision sur 152 images de test mises de côté.

Étude de cas →Code ↗Démo en ligne ↗

Validation (sélection du modèle)98.1%
Test mis de côté, 152 images94.1%

Fig. 5 — Précision

CONTEXTE: École 42 · projets IA
RÔLE: Équipe de 2
STATUT: Terminé
STACK: Python
PyTorch
OpenCV
Albumentations
PlantCV
matplotlib

1.6 DSLR

Répartit les élèves de Hogwarts dans l'une des quatre maisons à partir de leurs notes de cours, avec une régression logistique one-vs-all et une descente de gradient écrites de zéro — sans bibliothèque de ML.

4 maisons
13 variables de cours

Sur les 1 600 élèves d'entraînement, le modèle reproduit les étiquettes de maison avec 97,9 % de précision (34 erreurs). C'est un score sur le jeu d'entraînement, mesuré sur les données mêmes qui ont servi à l'entraîner — il n'y a pas de jeu de test mis de côté.

Étude de cas →Code ↗Notebook ↗

CONTEXTE: École 42 · projets IA
RÔLE: Solo
STATUT: Terminé
STACK: Python
Matplotlib

Tous les projets

32 projets, la plupart issus du cursus de l'École 42. Chaque domaine ouvre l'index filtré, avec les liens code et démo.

Ouvrir l'index complet →

Parcours

Du génie civil au machine learning.

Directeur, AI Lab — 42AI, École 42’s AI associationJe cadre les projets du Lab, recrute et encadre les participants. Premier projet livré : Weight Your Wage.
2026 –
École 42 Paris — Expert en architecture informatique (RNCP niveau 7)Parcours Data, se termine en 2026. Programmation système en C et C++, puis projets de machine learning : DSLR, perceptron multicouche, Leaffliction.
2023 – 2026
Ingénieur civil — Sixense Engineering, EgisDiagnostics de structures à La Défense, inspections du tunnel Duplex A86, études de faisabilité pour la ligne 6 du métro du Caire, contrôle de l'étanchéité sur le prolongement du RER E.
2020 – 2023
Master en génie civil — Université de LimogesSpécialité : inspection, maintenance et réparation des ouvrages (IMRO).
2018 – 2020
Diplôme d'ingénieur civil — Universidad Libre, Pereira (Colombia)Projet de fin d'études : recalcul structurel du pont La Isla, à Belén de Umbría.
2011 – 2016