Anas Rabhi — Consultant IA & Data Scientist Freelance à Toulouse¶

Je m'appelle Anas Rabhi. Je suis Data Scientist et consultant IA freelance, basé à Toulouse. Mon travail : aider les entreprises à passer de "on voudrait faire de l'IA" à "ça tourne en production et ça génère de la valeur".

Pas de grands discours sur la transformation digitale. Du code qui fonctionne, des systèmes qui tiennent la charge, et des résultats qu'on peut mesurer.

Pourquoi l'IA, et pourquoi en freelance¶

J'ai commencé par le Data Science classique — modèles prédictifs, séries temporelles, NLP. Puis les LLM ont changé ce qui était faisable. Pas remplacé la rigueur scientifique, juste élargi le périmètre de ce qu'on peut construire en quelques semaines.

Le freelance, c'est un choix délibéré. Je veux rester au contact des vrais problèmes, pas enfermé dans un silo. Sur chaque mission, je suis impliqué du cadrage jusqu'au déploiement — et souvent au-delà, pour le suivi en production.

Ce sur quoi je travaille¶

Mon expertise tourne autour de quatre axes :

• RAG (Retrieval-Augmented Generation) — retrieval hybride BM25 + vectoriel, reranking, chunking, évaluation de la qualité. C'est le coeur de la majorité de mes missions. J'écris régulièrement dessus sur le blog.
• Agents IA — orchestration d'outils, workflows multi-étapes, garde-fous en production. L'erreur classique que j'évite : vouloir un agent généraliste dès le départ.
• NLP — classification, extraction d'information, résumé, recherche sémantique sur données métier.
• LLMOps — monitoring, gestion des coûts, sécurité, déploiement et maintenance de modèles en condition réelle.

Sur les projets complexes, je m'appuie aussi sur des notebooks d'exploration pour valider les hypothèses avant de coder une solution complète.

Mes deux structures¶

Tensoria est ma structure de conseil en IA. J'y interviens en régie ou au forfait pour des missions de cadrage, prototypage, audit RAG, mise en production et accompagnement d'équipes data. Principalement à Toulouse et en remote. Le premier échange est toujours gratuit.

Heeya est un produit né d'un cas client récurrent : déployer un chatbot RAG personnalisé sur n'importe quel site, formé sur son propre contenu, en quelques clics. Une solution clé en main pour les entreprises qui veulent un assistant IA sans monter une équipe data.

Comment je travaille — la méthode sur une mission type¶

Chaque projet suit la même structure, quelle que soit sa taille.

Cadrage (1-2 semaines). Je commence toujours par comprendre le besoin métier avant de choisir la technologie. Quel problème on résout ? Pour qui ? Quels KPIs définissent le succès ? À ce stade, je pousse souvent les équipes à renoncer à des fonctionnalités superflues — un périmètre clair, c'est la moitié du travail.

POC sur données réelles (2-4 semaines). Pas de maquette, pas de données fictives. Un POC doit tourner sur un sous-ensemble représentatif des vraies données du client. C'est le seul moyen de détecter les vrais problèmes — qualité des documents, cas limites, latence.

Mise en production. Intégration aux systèmes existants, gestion des accès, monitoring, garde-fous. C'est là que la majorité des projets IA échouent — pas sur le modèle, mais sur l'infrastructure et la robustesse.

Suivi et itérations. Un système IA se dégrade si on ne le surveille pas. Je mets en place des métriques techniques (recall, taux d'hallucination, latence) et des métriques métier (temps économisé, taux de résolution) dès le départ, pas après coup.

Preuve par les faits¶

Quelques résultats mesurés sur des projets réels :

• 75 % de temps économisé sur la rédaction de réponses à des appels d'offres, via un agent IA alimenté par la documentation interne — ROI de 300 % sur la première année.
• 60 % de temps économisé sur le diagnostic d'erreurs machine dans une usine, grâce à un assistant IA pour les opérateurs.
• 2× plus rapide sur l'extraction d'informations structurées depuis des PDF, factures et contrats.
• Un RAG souverain sur données spatiales confidentielles, avec zéro sortie de données du périmètre client (LLM self-hosted, cloud privé).

Ces chiffres sont issus de projets réels, pas d'estimations. Je les détaille quand c'est pertinent dans les articles du blog.

Ce que je publie¶

J'écris régulièrement sur l'IA appliquée — pas des tutoriels génériques, mais des retours d'expérience sur ce qui fonctionne en production.

Quelques articles récents :

• Optimiser son RAG : les 8 techniques qui font vraiment la différence — HyDE, reranking, contextual retrieval, semantic cache.
• Chunking optimal pour votre RAG — 8 stratégies comparées, benchmarks réels.
• Entraînement, finetuning ou RAG : que choisir pour son IA ? — arbre de décision complet avec ordres de grandeur de coûts.

Me retrouver¶

Si vous avez un projet IA à cadrer, une architecture RAG à auditer, ou simplement une question sur ce que j'écris — écrivez-moi. Le premier échange est gratuit et sans engagement.

Discuter d'un projet Retour à l'accueil