IA agentique · automatisation · data science · apps sport & santé
Data scientist et ingénieur à Toulouse, je conçois des agents, des pipelines et des apps (sport, santé, PME) : du cadrage à la production, avec des résultats mesurés.
Expertise
Des agents IA et des automatisations qui font gagner du temps pour de vrai, posés sur des données propres et livrés comme du logiciel : testés, tracés, maintenables.
Des agents qui exécutent des tâches réelles, pas des chatbots de démo : appels d’outils, recherche dans vos documents (RAG), garde-fous, évaluation et suivi des coûts. Autour, l’automatisation qui les fait tourner : jobs planifiés, intégrations, CI/CD.
En pratiqueAssistants IA pour des PME : tri et qualification des demandes entrantes, réponses sourcées sur une base documentaire métier.
De la donnée brute au modèle évalué : préparation, features, séries temporelles, signal, et des pipelines qui tournent seuls.
En pratiquePipelines d’analyse dans un laboratoire CNRS, à l’origine de 15 références scientifiques.
Applications mobiles terrain pour le suivi d’athlètes et la santé : capteurs, synchronisation, workflows staff, mises à jour.
En pratiqueApp de suivi d’athlètes en production pour un staff sportif, avec distribution privée et versions suivies.
Dashboards, espaces clients et APIs : l’interface qui rend la donnée et les agents utilisables au quotidien.
En pratiqueEspaces clients privés (téléchargements, espaces documentaires par client) et ce site.
Méthode
Quinze ans de recherche m’ont appris à mesurer avant d’affirmer. Chaque étape se termine par quelque chose de concret entre vos mains.
Question métier, données disponibles, risques (RGPD, coûts IA, fiabilité).
Note d’une page + critères de succès chiffrés
Une première version sur vos vraies données, en itérations courtes avec les utilisateurs.
Démo utilisable, mesurée contre les critères
Tests, garde-fous, monitoring et déploiement : le prototype devient un outil fiable.
Agent, pipeline ou app en production + suivi
Documentation, passation et formation pour que vos équipes gardent la main.
Code documenté, équipe autonome
Bibliographie complète recensée sur Google Scholar pour Maxime Rosito — articles, résumés de journaux, posters et communications ; les DOI sont indiqués lorsqu’ils sont disponibles (ORCID).
Imaging Neuroscience 4, IMAG. a. 1093 · 2026
Investigative Ophthalmology & Visual Science 67 (3), 52-52 · 2026
Experimental Brain Research 243 (6), 152 · 2025
46e European Conference on Visual Perception (ECVP), 2024
Forum annuel du GDR Vision (GDR Vision 2024) · 2024
Journal of Neuroscience Research 99 (2), 455-466 · 2021
Neurobiology of Aging 74, 1-14 · 2019
Attention, Perception, & Psychophysics 80 (6), 1591-1598 · 2018
Brain Research 1663, 161-165 · 2017
Journal of Vision 15 (12), 859-859 · 2015
Frontiers · 2013
Movement Disorders 28, S195 · 2013
Revue Neurologique 169, A127-A128 · 2013
PLOS ONE 6 (3), e18344 · 2011
Perception 40 (1), 122-122 · 2011
Démonstrations
Démos techniques proches des enjeux data (complexité, structures) et de la modélisation — utiles pour cadrer un projet algorithmique ou une vérif scientifique.
Comportement d’un tri classique — utile pour sensibiliser aux coûts CPU / mémoire sur de gros volumes (ETL, features, jeux sportifs ou capteurs).
Principe du Quick Sort :
Complexité : O(n log n) en moyenne, O(n²) dans le pire cas
WebGL / Three.js — visualisation de structures et réseaux (bio-inspiré, graphes) : utile pour vulgariser données relationnelles ou signaux spatiaux.
Spirale régulière de résidus — modèle pédagogique proche d’une hélice α. Tournez et zoomez pour explorer.
Contact
Expliquez votre contexte (données disponibles, utilisateurs, contraintes réglementaires), l’objectif métier et le calendrier — réponse sous quelques jours ouvrés.
