Recherche

Recherche et publications.

Recherches publiées, un mémoire de bachelor, et le versant académique du travail.

Profil Google Scholar Profil Semantic Scholar Profil DBLP

Citations

Publications

Publication évaluée par les pairs

À la une

LLMs for Science : usage pour la génération de code et l'analyse de données

Journal of Software: Evolution and Process (Wiley)·2024

A coécrit un article évalué par les pairs examinant l'utilisation des grands modèles de langage dans la recherche et l'analyse de données. Ce travail a été cité plus de 200 fois (dont 70+ sur Scopus), contribuant au discours académique sur l'adoption responsable de l'IA dans les workflows scientifiques.

Impact : 200+ citations, dont 70+ sur Scopus

Lire l'article (DOI)Voir dans la bibliothèque de la TUM Voir sur Scholar

LLMsMéthodes de rechercheGénération de codeAnalyse de données

Mémoire de bachelor

Echo : Atténuer le potentiel d'hallucination dans les prompts utilisateur par raffinement itératif guidé par l'IA

Technical University of Munich, School of Software Engineering and AI·2025

Une nouvelle approche shift-left de l'atténuation des hallucinations des LLM. A introduit une taxonomie des hallucinations côté utilisateur (Prompt Risk vs. Meta Risk), la métrique Prompt Risk Density (PRD) pour quantifier le potentiel d'hallucination, ainsi qu'un pipeline multi-agents (Analyzer, Initiator, Conversation, Preparator) pour un raffinement itératif des prompts avec validation par supervision humaine.

Impact : Contribution à l'IA digne de confiance dans des domaines à forts enjeux (droit, santé, finance)

Télécharger le PDF Deep Dive de recherche Voir le code source

Atténuation des hallucinationsIA digne de confianceAnalyse de promptsMulti-AgentNLP

Document complet

Ouvrez le PDF complet dans un nouvel onglet ou téléchargez-le directement.

Ouvrir le PDF Télécharger le PDF

Extraits de recherche réutilisables

Blocs de texte prêts à copier pour des présentations, propositions et introductions de projet.

Résumé du mémoire en une phrase

Echo introduit une méthode « shift-left » pour réduire le potentiel d'hallucination des LLM dès le niveau du prompt, avant même le début de la génération.

Métrique PRD

La Prompt Risk Density (PRD) est un score pondéré qui quantifie l'ambiguïté et le risque structurel d'un prompt susceptibles de déclencher des hallucinations.

Passerelle vers la pratique

La recherche m'aide à concevoir des systèmes de production qui échouent de façon sûre, avec des garde-fous explicites, de l'observabilité et un comportement prévisible face à l'incertitude.

Sur la recherche et la pratique

Je trouve utile de rester proche du monde de la recherche. Tous les articles ne se traduisent pas en production, mais comprendre pourquoi quelque chose fonctionne rend le travail avec cet outil bien plus fiable. Mon travail académique a surtout façonné ma manière de penser les modes de défaillance et les cas limites.