Skip to content

Sync: Discussion 02/04 #4

Closed
Closed

Description

@Alex-Hache

Stratégie Compétences & Positionnement — Avril 2026
Constat de départ
Profil actuel : AI Engineer en poste (vision, LLM, RAG, Graph RAG, MCP servers, embeddings)
Problème : ce profil se commoditise rapidement. L'AI Engineer généraliste de 2024 sera le web dev de 2026.
Objectif : anticiper à 2 ans, trouver un positionnement différenciant.
Hypothèse initiale
Se spécialiser en IA embodied/embedded (ex : streaming JEPA sur mobile).
Analyse
Ce qui se commoditise vite
Intégration LLM, RAG, prompt engineering, fine-tuning standard
Orchestration d'agents basique
Les outils comme Claude Code rendent ça accessible aux non-spécialistes
Ce qui reste dur à commoditiser
Compétences qui touchent au physique : latence real-time, bruit capteur, sécurité, edge cases physiques
Maths et théorie derrière les architectures : Koopman, JEPA, contrôle différentiable — concevoir les outils, pas les utiliser
Pensée système sur problèmes ambigus : savoir quoi construire, pas juste comment
Marché belge
Demande réelle en robotique/embedded : ART Robotics (Herent), Mantis Robotics (Leuven), IMEC, Space Applications Services, Toyota Zaventem
UHasselt recrute en "cyber-physical intelligence" (embedded/edge AI, contrôle sécurisé, HW-SW co-design)
Écosystème plus petit que le pur software mais moins saturé
Positionnement retenu
"AI × Systèmes Cyber-Physiques" — le profil qui sait déployer de l'intelligence (world models, perception, planification) sur des systèmes contraints interagissant avec le monde réel.
Différenciateur clé vs ingénieur embedded classique : compréhension des world models, architectures JEPA, alignment latent. La combinaison embedded + ML théorique est rare.
Compétences à empiler
Immédiat (0-6 mois)
Finaliser le POC DecRAS en Python (architecture + interfaces validées)
Bases C++ suffisantes pour ne pas être bloqué sur opportunités
ONNX Runtime / TFLite pour inférence edge
ROS2 (bases déjà acquises)
Moyen terme (6-18 mois)
Rust comme langage cible post-POC (refactor bloc par bloc)
Écosystème ML Rust : burn, ort (ONNX), candle (HuggingFace)
Bindings ROS2 Rust (r2r, ros2_rust)
En attendant le refactor : petits outils CLI perso en Rust pour construire le muscle
Contrôle en boucle fermée (atout existant via travail Koopman)
Safety/certification (ISO 26262, IEC 61508) — rend le profil rare
MLOps pour systèmes embarqués (monitoring de drift sur edge)
Séquence décidée
POC Python d'abord — valider l'architecture et les blocs DecRAS
Refactor Rust ensuite — bloc par bloc, une fois les interfaces stabilisées
Ne pas optimiser prématurément
DecRAS comme vitrine
Cadrer le projet non pas comme "hobby robotique" mais comme démonstration de compétences systèmes :
"Architecte d'un système multi-agents avec planification LLM, perception temps réel et contrôle de bras robotique sous contraintes edge"
Pari Rust — risques et timing
Pour : profil Rust + IA embarquée quasi inexistant, avance sur une vague
Contre : le marché belge recrute en C++ aujourd'hui, Rust robotique encore marginal
Mitigation : passer de Rust à C++ est facile, l'inverse non
Horizon : pari à 2-3 ans, pas 6 mois
Discussion du 2 avril 2026

Activity

  1. github-actions commented on Apr 2, 2026

    @github-actions

    ✅ Decision synced to DECISIONS.md and committed. Issue auto-closed.

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

No one assigned

    Labels

    Projects

    No projects

      Milestone

      No milestone

      Relationships

      None yet

      Development

      No branches or pull requests

      Issue actions