Skip to content
Yassir Halaoui

Services

Des agents IA et des fonctions LLM qui tiennent en production

Je construis les fonctions d’IA comme je construis un flux de paiement : ancrées dans les vraies données, testées sur les cas qui ont déjà cassé, et honnêtes quand le modèle ne sait pas.

En bref

Yassir Halaoui développe des agents IA et des fonctions LLM pour des logiciels en production : recherche avec sources citées, extraction structurée, appels de modèles en parallèle et évaluations sur de vrais documents. Il a publié Kempt, une application macOS qui nomme, range et retrouve les documents avec le modèle local d’Apple, et TheQuizMaster, qui transforme une fiche de poste en évaluation technique notée selon une grille.

Ma façon de travailler

Ce que je construis

Des agents qui lisent vos documents et vos données, puis agissent : classer un fichier entrant, extraire les champs utiles, répondre à une question avec le passage d’où vient la réponse, remplir une liste de pièces, et laisser la décision à une personne en cas de doute.

En dessous : une recherche sur vos propres contenus, des sorties structurées validées avant toute écriture, des appels de modèles en parallèle quand la latence compte, et le bon modèle pour chaque tâche. Un petit modèle local pour le travail fréquent, privé et bon marché. Un grand modèle via API quand la tâche l’exige vraiment.

La règle que je ne casse pas

Si la source ne le dit pas, l’agent ne le dit pas. Dans Kempt, un montant absent de la page citée n’apparaît jamais dans une réponse, et ce sont les faits du document (sa date, sa taille, ce qu’il contient vraiment) qui décident de son rangement. Le modèle ne fait qu’écrire le nom.

C’est la différence entre une démo et un produit que l’on peut mettre entre les mains de clients. Un modèle autorisé à deviner finira par deviner le seul loyer ou le seul RIB qui comptait.

Mesuré, pas jugé à l’œil

Chaque fonction d’IA que je livre arrive avec un jeu de tests construit à partir de vraies entrées, y compris celles qui l’ont fait échouer. Quand un prompt ou un modèle change, le jeu repasse. Kempt compte 122 tests automatisés, et son comportement d’IA est vérifié sur de vrais fichiers, pas sur des exemples écrits pour réussir.

Le développement avec agents, au quotidien

Je développe tous les jours avec des agents de code : Claude Code, OpenAI Codex, Cursor et GitHub Copilot. C’est ainsi que j’ai construit et lancé Kempt en quatre jours. Les agents apportent la vitesse. Garder le même niveau d’exigence en revue, même quand un modèle a écrit le premier jet, c’est ce qui garde la qualité.

Dans un SI Java

Si votre plateforme tourne en Java, l’IA a sa place à côté de vos transactions et de votre piste d’audit, pas dans un service annexe que personne ne maintient. Je suis d’abord développeur Spring Boot : un appel de modèle reçoit le même traitement que toute dépendance externe dans un système régulé. Timeouts, retries, idempotence et des journaux lisibles par un auditeur.

Pour commencer

  1. 01

    Un appel sur la tâche de l’agent et les données nécessaires.

  2. 02

    Un prototype fonctionnel sur vos vraies données, en général en moins d’une semaine.

  3. 03

    Un jeu d’évaluation, pour savoir tous les deux ce qu’il vaut vraiment.

  4. 04

    L’intégration en production, avec limites, journaux et solution de repli.

M'écrire · consultingyassir@gmail.com

Stack

Modèles
  • API OpenAI
  • API Anthropic
  • Apple Foundation Models (local)
Techniques
  • Recherche avec citations
  • Sorties structurées
  • Appels de modèles en parallèle
  • Prompt engineering
  • Jeux d’évaluation
Agents de code
  • Claude Code
  • OpenAI Codex
  • Cursor
  • GitHub Copilot

Questions

Concrètement, qu’est-ce qu’un agent IA ?

Un programme qui s’appuie sur un modèle de langage pour décider de l’étape suivante, appelle des outils comme une recherche, une base de données ou une API, et vérifie le résultat avant d’agir. Les plus utiles sont étroits : une seule tâche, faite de façon fiable, avec une personne dans la boucle quand l’enjeu est important.

Un agent IA peut-il traiter nos documents sans les envoyer hors de l’entreprise ?

Oui. Kempt lit chaque document avec le modèle local d’Apple et rien ne quitte le Mac. Côté serveur, la même idée fonctionne avec un modèle open source auto-hébergé, ou une API entreprise qui exclut l’entraînement sur vos données. Le bon choix dépend de vos documents et de votre équipe conformité.

Comment empêcher un LLM d’inventer des réponses ?

En ne le laissant pas répondre sans source. Les réponses portent le passage d’où elles viennent, et sans passage à l’appui l’agent dit qu’il ne sait pas. Un jeu d’évaluation détecte ensuite les régressions dès qu’un prompt ou un modèle change.

OpenAI, Anthropic ou un modèle open source ?

Celui qui passe le jeu d’évaluation au coût et à la latence les plus bas pour la tâche. J’ai livré avec OpenAI, Anthropic et le modèle local d’Apple, et je préfère mesurer qu’avoir un favori.

En combien de temps pouvez-vous construire un prototype IA ?

Sur vos vraies données, en général en moins d’une semaine. Kempt, un produit complet et pas un prototype, a pris quatre jours, de l’idée au lancement.

Pouvez-vous ajouter de l’IA à une application Java ou Spring Boot ?

Oui. C’est là que j’ai passé l’essentiel de ma carrière, donc l’appel de modèle reçoit le même traitement que toute dépendance externe dans un système régulé : timeouts, retries, idempotence et journaux d’audit.

Réalisations

  • Étude de cas · Mac app · en anglais

    Kempt
  • Étude de cas · B2B · en anglais

    TheQuizMaster

Les compétences derrière

Notes de terrain

Autres services