RÉALISATIONS
Deux projets en production, et comment je les construis.
Deux natures de preuve : ce que je construis pour moi, et ce que je livre pour d'autres.
Étude de cas · depuis novembre 2024
Concevoir et opérer ma propre plateforme avec l'IA.
Pixidia est une plateforme de préparation de voyage que je conçois et j'opère depuis novembre 2024. Je la cite en premier parce que c'est là que se forme tout ce que je facture ensuite : c'est mon terrain d'essai, et il tourne en production.
LE CONTEXTE
Une plateforme de préparation de voyage à plusieurs, construite en solo. Le produit repose entièrement sur une chaîne technique que j'ai conçue et que je fais évoluer en continu.
L'ARCHITECTURE DE DONNÉES
Une base de connaissances de 3 795 entités enrichies, alimentée par 17 sources intégrées : Google Places, DataTourisme (530 000 points d'intérêt français en licence ouverte), Viator, OpenStreetMap, Open-Meteo, Amadeus, SNCF, Wikivoyage et d'autres. Aucune de ces sources ne décrit nativement ce dont le produit a besoin ; il a fallu construire une couche d'abstraction sémantique par-dessus.
LE MOTEUR DE RECOMMANDATION, EN CINQ COUCHES
Sources multi-fournisseurs, puis ingestion et déduplication, puis tagging sémantique, puis embeddings et index vectoriel, puis scoring, re-ranking par modèle de langage et génération d'explication. Coût marginal maîtrisé de quatre à neuf centimes par requête sur base chaude.
LE TRAITEMENT DES DONNÉES PERSONNELLES
Tous les appels aux modèles de langage passent par un orchestrateur qui remplace les identités par des jetons stables avant l'envoi, et les rétablit localement avant affichage. C'est une pseudonymisation, pas une anonymisation : la distinction a des conséquences réglementaires, et elle est documentée comme telle en interne.
LE CONTENU À L'ÉCHELLE
1 700 articles publiés en cinq langues, avec un pipeline de génération et de contrôle. C'est ce travail qui m'a amené à Villanovo.
Ce que ce projet m'a appris et que je réutilise chez tous mes clients : un modèle de langage ne décide pas, il ajuste. Les contraintes dures, les règles métier et le scoring restent du code déterministe. C'est la seule architecture qui tienne quand le volume monte.
Le produit est en ligne : pixidia.com
Étude de cas · 2025 – 2026
Générer et enrichir le contenu de 2 800 biens sans agrandir l'équipe.
LE CLIENT
Villanovo est un spécialiste européen de la location de villas, riads et chalets d'exception : environ 2 800 biens, quatre continents, 200 000 voyageurs, plus de cent agences partenaires. Le contenu du catalogue est le produit, c'est ce que lisent les voyageurs et ce qu'indexent les moteurs.
LE PROBLÈME
Plusieurs milliers de biens à décrire, enrichir et optimiser à la fois pour le référencement classique et pour les moteurs de réponse IA. L'équipe éditoriale ne pouvait pas absorber ce volume à la main : au rythme manuel, une passe complète sur le catalogue prenait plus d'un an, et le catalogue bougeait entre-temps.
CE QUI A ÉTÉ LIVRÉ
Une chaîne de 21 workflows, dont un orchestrateur unique de 70 nœuds enchaînant sept traitements par bien : points forts thématiques, synthèse d'avis clients, badges produit, re-critérisation des équipements, slogans, métabalises SEO et FAQ générée par profil de voyageur. Chaque sortie passe une validation automatique des contraintes de longueur, avec réécriture conditionnelle quand le texte sort des bornes.
L'ARCHITECTURE D'ACCÈS
Conception du plan de structuration des données et spécification du serveur MCP exposant le catalogue. La construction a été réalisée par l'équipe IT de Villanovo, sous direction technique. Cinq outils sont exposés aux agents : données bien, avis clients, recherche par zone, arborescence des destinations, calendrier et tarifs.
LA TRANSMISSION
Documentation d'architecture complète et formation de l'équipe de développement à Claude Code : ce qui a été construit peut être modifié, étendu et débogué sans moi.
AUJOURD'HUI
Relation reconduite, infrastructure en production depuis janvier 2026.
Ce qui a réellement compté sur ce projet : la gestion d'erreurs et la reprise sur incident. Un traitement qui fonctionne sur dix biens et casse sur deux mille n'a aucune valeur.
PROJET PUBLIC
L'agent de diagnostic d'entreprise
Un visiteur tape le nom de sa propre société. L'agent croise le registre légal, cherche le site officiel, vérifie les mentions légales pour être certain de ne pas analyser un homonyme, sonde le domaine à la recherche d'API exposées, lit cinq pages choisies, puis rend une lecture de maturité, trois pistes d'automatisation chiffrées en heures, et un point de blocage. Trente à quarante secondes, sources publiques uniquement.
$ diagnostic « ACME »
→ registre des entreprises · ACME SAS, 59 salariés
→ mentions légales · SIREN confirmé sur acme.fr ✓
→ sondage du domaine · 14 chemins testés
→ détection d'API · /api/v1, OpenAPI trouvé ✓
→ synthèse · 3 pistes sur 11 · 38 s
PLANCHES TECHNIQUES
Comment je les construis
Les schémas ci-dessous sont des illustrations construites pour ce site. Les systèmes livrés chez mes clients leur appartiennent et restent confidentiels — mais ils sont structurés de cette façon.
