Je conçois et mets en production des outils IA pour des usages métier concrets.
Mes produits IA, de l'idée à la production.
Cinq produits construits en pilotant l'IA. Le LLM est choisi selon le besoin : souvent Mistral pour la conformité européenne. Claude Code me sert à piloter le développement. Filtre par stade, ouvre une fiche.
Un gate d'éval, avant la prod.
Décris une fonctionnalité IA : le gate la score contre des règles fermes et éliminatoires, un système d'évaluation avant mise en production. Mon différenciant, la fiabilité par les règles, rendu jouable.
Fait pour les humains, et les machines.
En 2026, les agents lisent ton site autant que les humains. Le même contenu, structuré pour qu'un LLM le lise sans deviner. Change de vue.
Conçoit et livre des produits IA de bout en bout : du cadrage au choix du modèle, aux évals, à l'UX et à la production. Je pilote l'IA, je ne la subis pas.
// application/ld+json { "@type": "Person", "name": "Louis Rotellini", "jobTitle": "AI Product Engineer · Full-Stack · Next.js · TypeScript · Node", "skills": ["Next.js", "TypeScript", "LLM", "RAG"], "address": "Lille, FR", "products": 5, "shipped": 1, "prototype": 3, "cadrage": 1 }
La génération se délègue.
Le jugement, jamais.
Rendre fiable un système faillible.
Un système à base de LLM est probabiliste, donc faillible. Mon métier, c'est de le mettre en prod quand même, sans jamais lui faire confiance en aveugle.
Je ne pars jamais de « ajouter de l'IA », mais d'une cible : un temps à réduire, un coût par tâche à plafonner, un taux de succès à tenir. Le besoin métier d'abord, le choix du modèle après. Souvent Mistral pour rester en Europe, parfois pas d'IA du tout si une règle suffit.
Le geste central du métier : décider où une règle dure s'impose et où le modèle peut trancher. DocTap a deux pipelines. Un mode 100 % local où aucune donnée ne quitte l'appareil, et un mode IA avec OCR puis vérification humaine avant export. J'ai refusé délibérément un coffre patient nominatif pour rester hors du périmètre HDS.
Un LLM nuance par défaut ; pour un jugement reproductible, je lui impose des règles fermes et éliminatoires. C'est le principe de mon moteur de scoring. La démo live de ce site rend ça jouable : un gate d'éval qui score une fonctionnalité contre ces règles avant la prod.
Je dirige l'implémentation avec des limites strictes : types, schémas, revue. Je ne relis pas le code à la main : je lance des audits assistés par l'IA pour débusquer les failles, contre-audités par un second agent quand l'enjeu le justifie. Sur un build récent, ça a rattrapé une route d'API laissée exposée avant la prod. La détection se délègue ; ce qui part en prod, c'est moi qui le tranche.
~10 ans de web. J'ai commencé par l'intégration, puis le front-end React / Next.js / TypeScript. Aujourd'hui Développeur Front-end, je construis des produits en pilotant l'IA, de l'idée à la production.
Un vrai parcours de dev devenu builder AI-augmenté, pas un reconverti no-code. C'est ce qui me permet de diriger l'IA au lieu de la subir, et d'auditer ce qu'elle produit.
