🌍 Projets funky
On me demande souvent des idées de sujets de stage. J'ai donc choisi de publier cette page pour étudiants motivés en écoles d'ingénieur ou Master 2 IA/ML/DS et Mathématiques Appliquées que j'aurais plaisir à superviser.
Pourquoi un stage « funky » ?
Ces sujets offrent l'opportunité de :
- Vivre l'ensemble du cycle de recherche et développement en IA
- Contribuer à des outils concrets adoptés par des utilisateurs
- Développer un sens critique et créatif autour des technologies IA
Profil recherché
Étudiants en dernière année de Master ou école d'ingénieur, avec :
- Solide background en IA / Machine Learning / Mathématiques Appliquées
- Compétences en Python et frameworks ML (scikit-learn, PyTorch, TensorFlow)
- Esprit d’initiative, goût pour l’expérimentation et la documentation
Sujets de stage
📝 C'est lui qui scribe tout !Concevoir un assistant vocal personnel, qui enregistre et organise vos idées avec une confidentialité absolue
🐦 Roitelet pour de la « Fusion Multi-Modeles »
Développer un super modèle de langage qui sélectionne dynamiquement trois meilleurs modèles parmi plein d'autres pour chaque requête et fusionne leurs réponses pour vous en livrer la meilleure synthèse
📚 À propos & culture
Une exploration joyeusement critique des modèles de financement de l’innovation et la culture, avec une alternative légère et engagée via l’affiliation Amazon
🤹 RhetorAI – L’art d’avoir toujours raison
Transformer “L’Art d’avoir toujours raison” de Schopenhauer en un outil IA détectant en temps réel les techniques de rhétorique employées à la télévision, en podcast, en communication et en politique.
🪄 Karajan AI – Orchestration de l'IA agentique pour une meilleure autonomie des métiers
Exploiter l’Agentic AI avec n8n et MCP pour que vos équipes métiers orchestrent et documentent leurs workflows sans code.
🏛️ Monopoli – La cité du code
Un serveur de LLM pour IDE moderne (Cursor, Antigavity) qui transforme les bonnes pratiques en infrastructure : charte vivante, CI/CD, migrations à l’échelle, doc métier, BMAD, Figma MCP.
⚖️ Nomos – Parler, dire la vérité et démontrer avec l'IA
Construire un continuum de véracité : “parler” (RAG) avec sources, “dire la vérité” (GraphRAG / knowledge graphs) via des faits gouvernés et “démontrer” (assistant de preuve) pour des contextes industriels critiques où l’auditabilité est non négociable.
🫐 CACIS – Mettre de la géométrie dans les erreurs
Explorer comment intégrer explicitement le coût des erreurs dans l’apprentissage des modèles de classification, en utilisant le Transport Optimal pour relier probabilités, décisions et valeur métier (applications à la fraude et aux systèmes critiques).