Qui je suis
À propos
Ingénieur logiciel senior, vingt ans à construire des systèmes qui ne pouvaient pas tomber en panne — et, depuis, à faire survivre l'IA au contact avec la production.
Je suis Alexandre Girard Davila. Depuis vingt ans, je construis des logiciels qui doivent continuer à fonctionner quand cela compte — pour Airbus, la SNCF, Cartier et la Tate — dans la vision par ordinateur, l’edge computing et les données en temps réel.
Mon sujet actuel est plus étroit et plus précis : l’IA agentique qui fonctionne en démo et casse en production. Je repère les modes de défaillance, je les score selon leur impact potentiel, et je les classe dans l’ordre pour que votre équipe corrige ce qui compte vraiment.
Ce que j’ai fait
- Airbus — des pipelines de vision par ordinateur en production sur le sol d’usine.
- SNCF — de l’extraction de métadonnées vidéo à partir des images ferroviaires pour la maintenance prédictive.
- Cartier (via JoliGen) — de l’art génératif piloté par IA pour l’expérience du luxe en boutique.
- Tate Britain — Recognition, lauréat du prix IK 2016, une installation comparant le photojournalisme avec la collection d’art britannique, réalisée avec Microsoft et Fabrica.
Comment je travaille
J’ai été l’ingénieur, le lead, et la personne qui doit expliquer pourquoi tout a cassé à 2 h du matin. J’ai livré des plateformes d’entreprise chez des clients du Fortune 500 et des outils open source adoptés par d’autres équipes (Parasol, raspi-kiosk-server, DeepDetect JS, React Bounding Box). Je m’intéresse aux parties ennuyeuses — l’observabilité, la gestion des pannes, le runbook — parce que c’est là que la « démo » devient « production ».
Je suis indépendant. Quand vous m’apportez un problème, vous obtenez mon jugement directement, sans account manager, sans théâtre d’appel de découverte, sans ping-pong de découverte en découverte. Si je ne suis pas la bonne personne, je vous le dis et je vous oriente vers quelqu’un qui l’est.
En bref : deux décennies à livrer des systèmes qui ne pouvaient pas tomber en panne, appliquées au problème précis de faire en sorte que l’IA se comporte de la même façon.