AI systems & engineering
Architecture d’agents, pipelines IA, APIs, orchestration et supervision humaine.
- Python
- FastAPI
- MCP
- RAG
Parcours professionnel
Ingénierie logicielle, données, IA et discipline issue des environnements régulés.
Le fil directeur est la traçabilité : relier une sortie automatisée à ses sources, ses contrôles, sa revue humaine et sa décision d’usage.
Master 2 en sciences pharmaceutiques (pharmacie industrielle) à l’Université de Strasbourg, prolongé depuis 2024 par un parcours de recherche appliquée — machine learning préservant la confidentialité, cryptographie, opérations IA gouvernées — avec un objectif constant : faire progresser l’état de l’art.
AI systems
Data engineering
Regulated environments
Training & adoption
10+années
4piliers
100%traçabilité
R&Détat de l’art
Architecture & evidence
Mickael Rutembya
AI systems · data engineering · verifiable infrastructure
Traçabilité par conceptionChaque sortie relie à sa source
Preuve intégréeContrôles et revues documentés
Gouvernance humaineDécision et supervision à chaque étape
Terrain réguléValidé en environnement contraint
Profil
Un profil d’intersection : terrain régulé, ingénierie et R&D à l’état de l’art.
Au-delà de la maîtrise opérationnelle, ce parcours démontre une réelle capacité de recherche et développement : détecter tôt les tendances qui redéfinissent un secteur, puis concevoir et éprouver les infrastructures expérimentales qui les portent à l’état de l’art.
Master 2Sciences pharmaceutiques
StrasbourgUniversité — pharmacie industrielle
SOTAInfrastructures expérimentales
TendancesDétection de ruptures sectorielles
Domaines d’activité
Des compétences structurées pour des environnements complexes
Chaque domaine combine ingénierie, gouvernance et preuves d’exécution afin de rendre les systèmes plus fiables, plus transparents et plus utiles.
Data governance & evidence
Modèles de données, lineage, invariants, journaux append-only et traçabilité décisionnelle.
- PostgreSQL
- ETL/ELT
- Auditability
- Provenance
Regulated healthcare & pharma
Expérience clinique, qualité, sécurité des données et fonctionnement sous contraintes.
- Pharmacy
- Radiopharmacy
- GxP
- Healthcare IT
Training & adoption
Formation professionnelle, transfert de compétences et mise en œuvre concrète sur le terrain.
- Python
- Cybersecurity
- Blockchain
- Instructional design
2022–présent
Consultant indépendant AI, Data et Software Engineering
Conception de workflows IA, architectures agentiques, systèmes de données, pipelines d’assurance, APIs, smart contracts et programmes de formation.
2023–présent
Formateur informatique — Python, cybersécurité, data et blockchain
Conception et animation de formations professionnelles avec supports pédagogiques, exercices, évaluations et mises en situation.
2024–présent
Expert technique — privacy preserving machine learning
Science décentralisée, cryptographie appliquée, partage sécurisé de données scientifiques et médicales, ingénierie cryptographique.
2025–présent
R&D — opérations IA gouvernées
Registres d’agents, supervision d’exécution, permissions, mémoire gouvernée, revue humaine et preuves de runtime.
2015–2023
Pharmacie d’officine — Strasbourg et Paris
Préparation, délivrance, conseil patient, analyse d’ordonnances et gestion de parapharmacie, avec automatisation Python pour améliorer l’analyse et le traitement des données.
2018–2019
Centre Hospitalier Universitaire de Strasbourg — radiopharmacie
Analyse radiochromatographique, contrôle qualité, conformité réglementaire et traitement de données biologiques pour l’optimisation des pratiques.
2014–2020
Université de Strasbourg — Master 2, sciences pharmaceutiques (pharmacie industrielle)
Diplôme de niveau Master 2 : pharmacie, qualité, pharmacologie, toxicologie, pratique hospitalière et opérations régulées — le socle scientifique qui structure l’ensemble du parcours de R&D.
Recherche & développement
Une capacité de R&D, au service de l’état de l’art
Au-delà des compétences acquises, deux capacités de recherche et développement structurent ce parcours : détecter les tendances qui redéfinissent un secteur, et concevoir les infrastructures expérimentales qui les portent à l’état de l’art.
Détection de tendances structurantes
Repérer tôt les ruptures qui redéfinissent un secteur — machine learning confidentiel, ZKML, science décentralisée, gouvernance de l’IA — et les traduire en axes de travail actionnables avant qu’ils ne deviennent la norme.
- Privacy-preserving ML
- ZKML
- DeSci
- AI governance
Infrastructures expérimentales à l’état de l’art
Concevoir et éprouver des systèmes de pointe : cryptographie appliquée, opérations IA gouvernées, mémoire et permissions supervisées, preuves de runtime vérifiables — du concept au prototype opérationnel.
- Cryptographie appliquée
- Governed AI ops
- Runtime proofs
- Verifiable systems
Formation avancée
Le socle qui alimente la R&D
Des cursus ciblés qui nourrissent en continu les deux capacités ci-dessus.
Tracks de recherche avancée : blockchain, confidentialité et ZKML
2023–2024Blockchain specialization
2023Token engineering fundamentals
2023Python, data science, ML et ETL pipelines
2022
Prochaine étape
Discutons de votre prochain système.
Mission de conseil, R&D appliquée ou renfort d’équipe : cadrons le besoin ensemble.