Blog
Ce blog est un espace dédié aux réflexions techniques sur la data science, l’optimisation et les systèmes d’IA.
Je m’y concentre sur la conception des modèles, la prise de décision et le réalisme opérationnel, en adoptant souvent une posture critique face au battage médiatique actuel autour de l’IA, en particulier lorsque celle-ci est présentée comme un substitut au raisonnement structuré en optimisation et en prévision.
L’objectif : démystifier les approches techniques, partager des leçons apprises sur le terrain, et encourager une pratique de la data science ancrée dans la rigueur méthodologique plutôt que dans l’effet de mode.
Articles récents
L’IA peut-elle vraiment penser la conception des modèles ?
Une analyse critique des grands modèles de langage et de leurs limites en raisonnement scientifique. Exploration des différences fondamentales entre reconnaissance de motifs et raisonnement causal.
Pourquoi les problèmes d’optimisation révèlent les limites du raisonnement de l’IA
Quand les heuristiques, la faisabilité et les contraintes mettent en échec une intelligence fondée sur les motifs. Une plongée dans la complexité computationnelle que l’IA générative ne peut pas contourner.
Pourquoi la faisabilité compte plus que l’optimalité
L’importance opérationnelle de solutions faisables par rapport à des solutions théoriquement optimales. Dans le monde réel, une bonne solution applicable vaut mieux qu’une solution parfaite sur papier.
Thématiques abordées
Optimisation et recherche opérationnelle
Modélisation MILP, programmation par contraintes, heuristiques métier, résolution de problèmes combinatoires complexes et passage à l’échelle.
Prévision et séries temporelles
Méthodes classiques vs. deep learning, détection d’anomalies, gestion de l’incertitude, validation temporelle et évaluation rigoureuse des prédictions.
Critique constructive de l’IA
Analyse des limites des LLM, du sur-ajustement conceptuel, des promesses exagérées et des cas d’usage où l’IA générative n’est pas adaptée.
MLOps et contraintes de production
Déploiement, monitoring, gestion des dérives, reproductibilité, dette technique et arbitrages entre performance théorique et viabilité opérationnelle.
Retours d’expérience terrain
Leçons tirées de projets industriels réels : ce qui fonctionne vraiment, ce qui échoue, et pourquoi la théorie ne survit pas toujours au contact du réel.
Approche éditoriale
Les articles de ce blog privilégient :
- La profondeur technique plutôt que la vulgarisation excessive
- Le scepticisme méthodologique face aux solutions miracles
- Les exemples concrets issus de cas d’usage réels
- L’honnêteté intellectuelle sur les échecs et les limites
- La perspective opérationnelle : ce qui marche en production compte plus que ce qui brille en conférence
Les opinions exprimées ici sont personnelles et n’engagent que leur auteur.