Robinson Senpauroca

AI Product Engineer · Applied AI · Forward Deployed

Je transforme des workflows métier complexes en produits IA déployés : document AI, voix, agents et systèmes human-in-the-loop.

Je cherche un rôle d’AI Product Engineer, Applied AI Engineer ou Forward Deployed Engineer.

Paris · France · Remote Europe

Voir les projetsCV PDFLinkedInbonjour@seuil.digital
5
systèmes IA construits
71 → 16
pages utiles en moins de 1 s
5
langues en production

Projets sélectionnés

Cinq systèmes IA conçus, développés et livrés seul. D’abord les preuves, puis l’architecture et les difficultés réelles.

Interface de dépôt des documentsDocuments source
71 → 16pages utiles · moins de 1 s
Première page du livrable exempleLivrable contrôlable
01Document immobilier

I Love Pré-État-Daté

Trouver seize pages utiles dans un dossier de copropriété.

Avant une vente, le syndic doit produire un pré-état daté. Les chiffres sont éparpillés dans des appels de fonds, des convocations d’assemblée et des décomptes de charges, parfois plus de cent pages de PDF scannés de travers. Le produit les retrouve, extrait les montants, fait les calculs et sort le document à vérifier.

Résultat mesuré

Sur un dossier réel de 71 pages, le sélecteur a retenu les 16 pages utiles en moins d’une seconde et les 16 ont été correctement classées.

Mon rôle

Parcours et interface Next.js, moteur Python de lecture des documents, contrôles, génération du PDF, paiement Stripe.

Stack

  • Python
  • FastAPI
  • Pydantic
  • Claude Vision
  • PyMuPDF

Architecture

Présélection locale des pages par signatures comptables, classification Claude Vision, rotation automatique des scans paysage, extraction JSON validée par Pydantic, consolidation multi-documents et conservation de la source de chaque montant pour la validation humaine.

Ce qui a résisté

  • 01

    Envoyer cent pages à un modèle coûte cher et répond lentement. Un tri local repère les pages comptables avant tout appel, et c’est lui qui décide de la facture.

  • 02

    La moitié des scans arrivent couchés ou à l’envers. Il faut reconnaître le type de document et le remettre droit avant de tenter la moindre lecture.

  • 03

    Un montant extrait au mauvais format passe inaperçu jusqu’à la facture du client. Le schéma est strict et refuse un résultat incomplet plutôt que de l’arrondir.

Testé sur un dossier réel

Sur un dossier réel de 71 pages, le sélecteur réduit le corpus à 16 pages en moins d’une seconde et les 16 ont été correctement classées. L’extraction a aussi été confrontée à des documents Sully, Century 21 et Citya.

Ouvrir le produitVoir le livrable exemple
Preview Solar de Seuil Engine à l'heure doréePreview Solar
  1. Prospect
  2. Faits
  3. Direction
  4. Site
  5. QA navigateur
  6. Approbation
02Outil de prospection

Seuil Engine

Un prospect, un site de démonstration, aucun envoi automatique.

Envoyer un site déjà construit convainc mieux qu’une proposition commerciale. Seuil Engine repère des entreprises dont le site actuel dessert, rassemble ce qu’on peut vérifier sur leur activité et génère une démonstration pour chacune. Je regarde, je décide, je contacte.

Ce qui tourne

De la recherche du prospect à une démonstration testée dans un navigateur. Rien ne part sans mon accord.

Mon rôle

Tout le système : recherche, vérification des informations, génération, tests navigateur, garde-fous.

Stack

  • Next.js
  • TypeScript
  • PostgreSQL
  • Structured outputs
  • Browser QA

Architecture

Traiter la provenance comme une contrainte d’architecture : validation bloquante, étapes durables et reprise sans rejouer le travail validé.

Ce qui a résisté

  • 01

    Les annuaires classiques donnent des fiches, pas des entreprises intéressantes. Trouver les bons prospects sans dépendre de Google Places a été la moitié du travail.

  • 02

    Un site de démonstration qui invente un chiffre d’affaires ou une date de création grille le contact. Un fait sans source bloque la génération.

  • 03

    Vingt prospects, vingt sites qui doivent sembler différents, sans maintenir vingt bases de code. Un seul système de rendu, des directions visuelles séparées.

Voir les previews
Produit en ligne · Interface de répétition
03Produit public

La Réplique

Du scénario à la self-tape envoyée au casting.

Un comédien qui répète seul n’a personne pour lui donner la réplique. La Réplique lit son scénario, joue les autres personnages à voix haute, écoute la sienne et enchaîne au bon moment. Quand la scène est prête, il enregistre sa self-tape et l’envoie.

En ligne

Application publique, cinq langues, du scénario importé jusqu’au lien de self-tape partagé.

Mon rôle

Seul sur le produit : conception, design, développement, mise en ligne.

Stack

  • Next.js
  • TypeScript
  • Deepgram
  • Vision OCR
  • Web Audio

Architecture

Extraction PDF sensible à la mise en page avec fallback OCR Vision ; parsing strict et éditable ; détection vocale dynamique et transcription Deepgram ; TTS multilingue avec émotions, vitesse et cache ; mixage navigateur de la caméra, du micro, des voix IA et de la musique sans larsen, y compris sur Safari.

Ce qui a résisté

  • 01

    Un scénario arrive en PDF exporté de Final Draft, en Word mal formaté ou en photo de page froissée. Il faut en sortir les mêmes scènes, avec les bons personnages, dans les trois cas.

  • 02

    Le comédien hésite, saute un mot, se reprend. Si l’application attend la phrase exacte, elle ne répond jamais. Elle suit le sens plutôt que le texte.

  • 03

    Une voix qui lit juste ne joue pas. Le rythme, les silences et l’intonation ont demandé plus de travail que le choix du modèle, dans les cinq langues.

Ce qui tourne

Répétition, monologue, mémorisation, self-tape 1080p, musique transposable, liens nommés et suivi des ouvertures.

Ouvrir le produit
Interface réelle du démarrage assisté de I Love DUERPCapture produit · Démarrage assisté
04Prévention au travail

I Love DUERP

Le document de prévention, sans laisser l’IA écrire le droit.

Toute entreprise avec un salarié doit tenir un Document Unique. Le produit part du métier, propose les risques correspondants, fait coter leur gravité, impose les actions quand c’est rouge et génère le document ventilé par unité de travail.

La règle

Les seuils réglementaires sont codés dans le produit. L’IA reformule, elle ne décide pas.

Mon rôle

Produit, base des risques par métier, règles de calcul, usage encadré du modèle, suivi dans le temps, exports.

Stack

  • PostgreSQL
  • Structured outputs
  • Guardrails
  • LLM
  • PDF / Word / Excel

Architecture

Base métier comme source de vérité ; LLM limité à une reformulation JSON ; plancher de gravité non contournable ; actions automatiques en zone rouge ; règles chaleur, RPS et télétravail forcées ; PAPRIPACT à partir de 50 salariés.

Ce qui a résisté

  • 01

    Un modèle laissé libre sous-évalue un risque grave pour rester consensuel. Des planchers de gravité l’en empêchent : un incendie en cuisine ne descend pas sous 4, quoi qu’il en pense.

  • 02

    Un risque en zone rouge sans action associée rend le document attaquable. L’action est créée automatiquement, elle ne peut pas être oubliée.

Ce qui est livré

Exports PDF, Word et Excel. Restauration, BTP, commerce et bureaux couverts.

Ouvrir le produit

Recherche testée sur le produit public

une dispute familiale tendue, intime, sans mélodrame

12 résultats classés

  1. 01
    Cadres

    Piano mélancolique et cordes feutrées

  2. 02
    Reprise

    Clarinette et flûte, souvenir doux

  3. 03
    Désaccord

    Piano désaccordé, intimité fragile

05Module en production

Smart Search

Décrire une scène. Trouver la musique juste.

Un monteur cherche quelque chose de tendu mais retenu, pas le mot-clé tension. La recherche transforme une description libre en sélection dans le catalogue complet d’un compositeur, 286 titres écoutables tout de suite.

Sur le produit en ligne

Une dispute familiale tendue, intime, sans mélodrame donne 12 titres classés parmi 286.

Mon rôle

Cadrage du besoin, expérience, recherche par le sens, intégration au catalogue existant.

Stack

  • Semantic search
  • Embeddings
  • Music discovery
  • Browser ML

Architecture

Indexer les descriptions musicales sous forme de vecteurs, transformer un brief libre en requête comparable puis classer les morceaux par similarité directement dans l’expérience du catalogue, avec une réponse suffisamment rapide pour écouter immédiatement.

Ce qui a résisté

  • 01

    Un brief de scène et une fiche de morceau ne parlent pas la même langue. Il a fallu les ramener dans le même espace pour qu’ils puissent se comparer.

  • 02

    Le classement doit arriver assez vite pour passer de la recherche à l’écoute sans réfléchir, directement dans le navigateur.

Ce qui est livré

Module en production, essayable publiquement, sur un catalogue vérifié de 286 morceaux.

Essayer la recherche

Ma façon de travailler

  1. 01

    Choisir le bon problème

    Partir d’une gêne fréquente, chère ou humiliante. Pas d’une technologie à recaser.

  2. 02

    Tester sur des cas réels

    Mettre le produit devant de vrais documents et de vrais utilisateurs avant qu’il soit prêt. C’est là qu’on apprend ce qui casse.

  3. 03

    Mesurer les erreurs

    Décider ce qui est tolérable, ce qui doit bloquer, et à quel moment une personne reprend la main.

  4. 04

    Livrer et tenir

    L’interface, la fiabilité, le coût, la vitesse et la mise en ligne sont le même travail.

Pourquoi ces produits

Des problèmes que j’ai eus.

Je viens de la composition à l’image et de la scène. La Réplique et Smart Search sortent de deux gênes que je connais de l’intérieur : répéter seul sans partenaire, et chercher une musique quand on a une intention plutôt qu’un mot. Les produits documentaires et réglementaires suivent la même méthode, apprise ailleurs : comprendre le métier avant de choisir la technique.