De la recherche appliquée à l'IA en production.
HADI AI MLOPS SOLUTIONS est la pratique de conseil de Hadirou Tamdamba, un ingénieur IA & MLOps qui construit des systèmes de machine learning et d'IA générative capables de résister à la production.
Trois dimensions se rejoignent dans cette pratique. Des fondations analytiques en mathématiques appliquées et statistiques, adossées à deux publications évaluées par les pairs. Une expertise concrète en machine learning et en IA générative. Et la discipline d'ingénierie qui amène les deux en production.
Cette combinaison s'est construite dans cet ordre. Le parcours a commencé par la statistique et l'analyse de données, s'est poursuivi vers la data science et la modélisation prédictive, puis vers l'ingénierie : rendre les modèles reproductibles, déployables et maintenables, ce qui a mené au MLOps, au cloud et aux environnements de production. Plus récemment, il s'est étendu à l'AI engineering, l'IA générative, le RAG, les agents et le LLMOps.
Plus de quatre ans de missions au Luxembourg, en Suisse, en France et au Burkina Faso, principalement en santé, en finance et dans la tech, où un système d'IA doit être non seulement précis, mais fiable, explicable et défendable. L'objectif n'est jamais un modèle qui reste dans un notebook : c'est transformer une idée en quelque chose qu'une équipe peut exploiter et à quoi elle peut se fier.
Principes de travail
Rigueur de recherche
Chaque modèle est évalué honnêtement, avec des métriques choisies pour le problème, non pour l'effet d'annonce. Ancré dans les mathématiques appliquées et la recherche évaluée par les pairs.
La production est l'objectif
Un modèle dans un notebook n'est pas un livrable. La ligne d'arrivée, c'est un système reproductible, testé et déployé qu'une équipe peut opérer et en qui elle a confiance.
Gouvernance dès la conception
Dans la santé, la finance et l'assurance, l'IA doit être explicable, supervisée et conforme. La gouvernance est intégrée à l'architecture, pas ajoutée après coup.
La valeur métier avant les mots à la mode
Le travail se juge aux résultats et à la confiance qu'il inspire, jamais à la longueur d'une liste de technologies.
Machine Learning & Deep Learning
IA générative & LLM
MLOps, cloud & observabilité
Données & bases de données
Programmation & outils de développement
API & applications
Gouvernance & fondamentaux
Savoir-être
2026-Présent
Consultant IA / GenAI & Ingénieur MLOps
Sahel Politica · Berne, Suisse
Transformation de près de vingt ans d'expertise du risque politique et sécuritaire en Afrique de l'Ouest en capacités d'intelligence augmentées par l'IA, d'un assistant d'analyse ancré dans ses sources à une plateforme automatisée d'analyse des appels d'offres.
- Assistant GenAI et RAG spécialisé, connecté à la base de connaissances interne
- Les analystes recherchent, synthétisent des documents et produisent des analyses appuyées sur les sources
- Plateforme d'intelligence couvrant les appels d'offres publics et privés en Europe et en Afrique
- Analyse des exigences et génération d'un premier dossier de candidature, affiné ensuite par l'expert
- L'humain dans la boucle par conception : le système ne soumet jamais rien de lui-même
2025-2026
Ingénieur IA × MLOps
HALE-X · Luxembourg · Hybride
Conception et déploiement d'IA scalable au sein de pipelines MLOps robustes, pour une entreprise qui exploite l'IA et les jumeaux numériques afin de transformer des données de santé multi-sources en information exploitable pour les hôpitaux, les laboratoires et les cliniciens.
- Construction de pipelines MLOps de bout en bout pour des applications de santé pilotées par l'IA
- Développement de l'ingestion et du prétraitement de données médicales multi-sources
- Entraînement, fine-tuning et évaluation de modèles prédictifs et génératifs pour des cas d'usage cliniques
- Contribution à un déploiement fiable sur infrastructure cloud
- Collaboration avec cliniciens et équipes pluridisciplinaires sur la conformité, la scalabilité et la performance
2024-2025
Formateur IA · Prompt Engineer
DataAnnotation · À distance (États-Unis)
Conception et évaluation de prompts et de code généré par l'IA, sur des cas d'usage d'analytique, de data science et de statistique.
- Conception et test de prompts spécialisés pour des problèmes de data science et de statistique
- Évaluation des réponses générées et validation du code produit, avec identification des erreurs techniques
- Le travail consistait à juger si une solution était réellement correcte, pas seulement plausible
- Amélioration de l'efficacité des flux de travail d'environ 25 % par l'automatisation
2025
Ingénieur Machine Learning / MLOps
Freelance · Indépendant · Genève, Suisse · Hybride
Construction d'un système de prédiction du défaut de crédit prêt pour la production pour un établissement financier, sur un jeu de données fortement déséquilibré, de l'analyse exploratoire à une API serverless sur AWS avec CI/CD complet.
- Analyse exploratoire et sélection de variables, puis SMOTE pour traiter le déséquilibre des classes
- XGBoost, Random Forest et régression logistique comparés sur des métriques adaptées au déséquilibre
- Hyperparamètres optimisés par RandomizedSearchCV avant la sélection du modèle
- Service FastAPI conteneurisé avec Docker, tests automatisés avec pytest
- CI/CD avec GitHub Actions, déploiement sur AWS Lambda derrière un domaine dédié
2024
Data Scientist (stage)
Luxembourg Institute of Health · Strassen, Luxembourg
Estimation des cas de grippe à partir des charges virales dans les eaux usées sur le projet VIRALERT, à partir de données bruitées et incomplètes, en collaboration avec le Luxembourg Institute of Science and Technology.
- Rédaction du plan d'analyse statistique qui a guidé le pipeline
- Comparaison d'approches statistiques et de machine learning, dont des modèles LSTM
- Visualisations interactives Plotly pour rendre les résultats lisibles par l'équipe de recherche
- Contribution aux publications scientifiques associées
2020-2022
Data Analyst · Statisticien
Centre MURAZ, Institut National de Santé Publique · Bobo-Dioulasso, Burkina Faso
Analyse statistique et rédaction scientifique sur des programmes de recherche en santé publique, où la qualité de l'analyse conditionnait directement l'interprétation des résultats.
- Modélisation statistique sur des études COVID-19, VIH, pesticides et fertilité
- Appui au projet de recherche clinique ANRS COV-13 EMuL-COVID-19
- Contribution au programme POCAO sur les populations clés en Afrique de l'Ouest
- Co-signature d'une étude évaluée par les pairs sur l'exposition aux pesticides et l'infertilité
Master en mathématiques appliquées & statistiques (Data Science)
Université Rennes 2 · L'Institut Agro Rennes-Angers
Rennes, France
Co-accrédité par l'Université de Rennes, l'Institut Agro, l'INSA et l'ENSAI. Apprentissage statistique, machine/deep learning, séries temporelles, modélisation bayésienne.
Licence en mathématiques appliquées : statistique & informatique
Université Nazi Boni
Bobo-Dioulasso, Burkina Faso
Un système d'IA qui doit atteindre la production ?
Parlons du problème que vous cherchez à résoudre et de la pertinence de l'IA pour le traiter. Pas de mots à la mode, juste une lecture technique honnête.