Anas Rabhi — Consultant IA & Data Scientist Freelance à Toulouse¶
Consultant Data Scientist freelance à Toulouse. J'accompagne les entreprises qui veulent intégrer de l'IA dans leur quotidien. Pas de la théorie, pas des slides, que du concret — du cadrage au déploiement en production.
Mes deux activités¶
-
Tensoria — Conseil & freelance
Missions freelance en IA : cadrage, prototypage, mise en production, audit RAG, accompagnement d'équipes data. Pour les boîtes qui veulent un vrai expert au quotidien.
-
Heeya — Chatbot RAG clé en main
Solution pour déployer un assistant IA personnalisé sur n'importe quel site web. Formé sur ton contenu, en quelques clics. Né d'un cas client récurrent.
Ce que je fais au quotidien¶
Mon travail, c'est de prendre un besoin métier et de le transformer en une solution IA qui fonctionne. Pas la techno pour la techno — résoudre un vrai problème, faire gagner du temps à une équipe, automatiser une tâche répétitive.
-
RAG & moteurs de recherche
Retrieval hybride, reranking, évaluation, optimisation de la qualité des réponses.
-
Agents IA
Orchestration d'outils, workflows, robustesse, garde-fous en production.
-
NLP
Classification, extraction, résumé, recherche sémantique sur données métier.
-
LLMOps
Monitoring, coûts, sécurité, déploiement et maintenance de modèles en prod.
Quelques projets¶
-
Réponses automatiques aux appels d'offres
Agent IA qui rédige les réponses à partir de la documentation interne.
75 % de temps économisé ROI 300 %
-
Chatbot e-commerce
Assistant qui répond aux questions clients directement sur le site. Le service client se concentre sur les cas complexes.
-
Extraction documentaire
Extraction d'informations structurées depuis PDF, factures et contrats.
2× plus rapide
-
Assistant IA pour usine
Aide les opérateurs à identifier et résoudre les erreurs machine.
60 % de temps économisé
-
Génération de tests unitaires
Agent qui écrit les tests à partir du code source existant.
-
RAG souverain sur données spatiales
RAG sur données confidentielles avec LLMs souverains, sans sortir les données du périmètre.
Me contacter¶
Si mes articles vous intéressent ou si vous avez un cas d'usage IA à discuter, n'hésitez pas à m'écrire.
-
Email
-
LinkedIn
-
GitHub
-
Newsletter
Derniers articles du blog¶
-
Les différents domaines de l'IA : pourquoi ChatGPT n'est qu'une petite partie
L'IA ne se résume pas à ChatGPT. Tour d'horizon des grands domaines (vision, NLP, séries temporelles, IA générative) avec exemples concrets en entreprise.
-
Entraînement, finetuning ou RAG : que choisir pour son IA ?
Comprendre les différences, les coûts (de quelques centaines à plusieurs millions de dollars) et savoir quoi choisir selon son besoin.
-
Optimiser son RAG : les 8 techniques qui font vraiment la différence
HyDE, reranking, contextual retrieval, semantic cache : les 8 techniques RAG avec gain mesuré pour chacune.
-
Chunking optimal pour votre RAG : quelle stratégie choisir ?
OpenAI par défaut : les pires résultats selon Chroma Research. 8 stratégies de chunking, benchmarks réels et arbre de décision.
Questions fréquentes¶
Comment se déroule un projet IA chez Tensoria ?¶
Je suis toujours 4 étapes sur les missions Tensoria : cadrage (1 à 2 semaines pour comprendre le besoin métier, définir les KPIs et choisir l'approche — RAG, agent, finetuning), POC (2 à 4 semaines pour valider la faisabilité sur un sous-ensemble réel des données du client), mise en production (intégration aux systèmes existants, sécurité, monitoring), puis maintenance et itérations (suivi des métriques, amélioration continue, gestion de la dérive du modèle).
Combien de temps faut-il pour développer un RAG ou un agent IA ?¶
Sur les projets que je mène, un POC fonctionnel se construit en 2 à 4 semaines. Une mise en production stable demande généralement 2 à 3 mois supplémentaires : intégration aux systèmes internes, gestion des cas limites, monitoring, garde-fous, évaluation continue. Les délais varient selon la complexité des données (volumétrie, qualité, formats) et le niveau d'exigence sur la précision.
Quel budget prévoir pour un projet IA ?¶
Pour une mission Tensoria, un POC se situe entre 5 k€ et 25 k€ selon la complexité. Une mise en production complète (RAG ou agent IA en condition réelle) démarre autour de 30 k€ et peut atteindre 100 k€ et plus pour des cas exigeants. À ça s'ajoutent les coûts d'infrastructure (LLM API, vector DB, hébergement) qui restent souvent modestes — quelques centaines à quelques milliers d'euros par mois selon le volume.
Comment je garantis la confidentialité des données ?¶
Plusieurs leviers que j'utilise sur mes missions : LLMs souverains (Mistral en France, déploiement sur Azure EU, ou modèles open-source self-hosted comme Llama ou Qwen), hébergement on-premise ou cloud privé, anonymisation des données sensibles avant indexation, et contrôle d'accès strict sur le RAG (un utilisateur ne voit que ce qu'il a le droit de voir). Cas concret récent : un RAG souverain sur données spatiales confidentielles, sans aucune sortie de données du périmètre client.
Comment je mesure le ROI d'un projet IA ?¶
Je travaille à deux niveaux. Métriques techniques : recall, precision, taux d'hallucination, latence, coût par requête. Métriques métier : temps économisé par utilisateur, taux de résolution automatique, satisfaction client, volume traité. Quelques résultats mesurés sur mes projets : 75 % de temps économisé et ROI de 300 % sur la rédaction d'appels d'offres, 60 % de temps économisé sur le diagnostic d'erreurs machine, 2× plus rapide sur l'extraction documentaire.
Comment j'évite les hallucinations d'un LLM en production ?¶
Pas de solution magique, mais une combinaison qui fonctionne sur mes projets : un RAG bien construit (chunking adapté, retrieval hybride BM25 + vectoriel, reranker), des garde-fous (validation des sorties, détection de réponses hors-périmètre), un prompt engineering rigoureux (instructions strictes, citation des sources), une évaluation continue sur un dataset représentatif, et un fallback humain pour les cas critiques. Je détaille ça sur le blog.
RAG, finetuning ou entraînement : comment je choisis ?¶
Ma règle simple : RAG quand l'information change ou doit être traçable (documentation, base de connaissances). Finetuning quand on veut adapter le style, le ton ou un format de sortie spécifique. Entraînement from scratch quasiment jamais en entreprise (millions de dollars). En pratique, dans 90 % des cas que je rencontre, un RAG bien fait suffit. L'arbre de décision complet est dans l'article Entraînement, finetuning ou RAG.
Comment j'intègre un agent IA à un workflow existant ?¶
L'agent doit s'interfacer avec l'écosystème en place : API internes, bases métier, outils SaaS (CRM, ERP, ticketing). J'expose ces briques sous forme d'outils que l'agent peut appeler, je définis des garde-fous (actions critiques validées par un humain, quotas, logs), et je commence toujours par un périmètre restreint avant d'élargir. L'erreur classique que j'évite : vouloir un agent généraliste dès le départ. Mieux vaut un agent qui fait 3 tâches très bien qu'un qui en fait 20 mal.
Comment travailler avec moi via Tensoria ?¶
Tensoria est ma structure de conseil en IA. J'y propose : cadrage de projet IA, prototypage, audit RAG, mise en production, accompagnement et formation d'équipes data. J'interviens en régie ou au forfait, principalement à Toulouse et en remote. Le premier échange (cadrage du besoin) est toujours gratuit — il suffit de m'écrire à anas0rabhi@gmail.com.