Lunar Lander · agent PPO avec vent Épisode 250 : l'agent PPO, encore hésitant, descend vers la zone d'atterrissage. Voir le projet

Disponible pour un stage · début avril → fin juillet 2027 Stage · avril → juillet 2027

Ingénieur logiciel & développeur d'IA.

Projets

Deep Learning - Lunar Lander

Projet phare · IA · Python

Trois algorithmes d'apprentissage par renforcement comparés sur lunar-lander-v3 (Gymnasium) : Q-Learning discrétisé, Deep Q-Learning, puis PPO face à du vent. 99,5 % d'atterrissages réussis en Deep Q-Learning (1 000 épisodes d'évaluation).

Courbe de récompense moyenne sur les 100 derniers épisodes, sur 50 000 épisodes : elle oscille sans converger, le plus souvent entre 40 et 100, avec un creux à environ -30 vers l'épisode 21 000.
Courbe d'entraînement étendue (50 000 épisodes).
Entraînement
50 000+ épisodes
Résultat
Récompense moy. +60 à +80

Zappy - simulation multijoueur en réseau

Projet phare · Réseau · C++ · Python

Un jeu en réseau où des équipes d'IA s'affrontent sur Trantor, un monde en tuiles : la première équipe à amener 6 joueurs au niveau maximal l'emporte. Trois programmes dialoguent en TCP via un protocole texte.

Démo du client graphique 3D : caméra libre, sélection de tuiles et de joueurs, équipes en rouge et noir.
Serveur
Simule le monde : apparition des ressources, écoulement du temps, incantations. Gère les connexions TCP de tous les clients.
Client graphique · C++
Visualisation 3D en temps réel. Bibliothèques graphiques modulaires (.so) interchangeables à chaud avec TAB.
IA · Python
Pilote un habitant par commandes réseau : survie, collecte et coordination par broadcast pour s'élever.
  • C++
  • Python
  • TCP / sockets
  • Protocole client-serveur
  • 3D temps réel
  • Makefile
Code source de Zappy (nouvel onglet)

Raytracer

Graphisme 3D · C++20

Moteur de lancer de rayons modulaire : scènes décrites en libconfig, sphères, plans et cônes créés par factories, matériaux, ombres et lumières multiples.

Rendu du raytracer : une douzaine de sphères colorées posées sur un plan gris, avec des ombres portées nettes

423 690rayons primaires lancés : 870 × 487 pixels, un rayon par pixel

Rendu : pièce aux murs rose et vert, sphères posées sur des cônes, éclairage ponctuel
  1. IPrimitivehits(const Ray &)getMaterial()getPosition()
  2. PrimitiveFactorycreatePrimitive(type)registerType(name, func)
  3. SceneBuilderbuild(configFile)buildCamera(…)buildPrimitives(…)buildLights(…)
  4. MaterialsFactorycreateMaterial(type)hasType(type)
  5. IMaterialcalculateAmbient(light)calculateNewLight(light)getRayNewColor()
Architecture du moteur, redessinée d'après le diagramme UML d'origine : les deux fabriques alimentent le SceneBuilder.

Doctor Cvrie - diagnostic médical

IA · Santé · Python

Deux approches : K-means sur 1 011 témoignages de patients vectorisés en TF-IDF, et classification de radiographies thoraciques (sain, pneumonie, tuberculose) réduites en 128×128 puis par PCA.

Le K-means, et le choix de k

Le K-means regroupe des points en k groupes. On place k centroïdes, chaque point rejoint le plus proche, puis chaque centroïde se déplace au centre de ses points ; on recommence jusqu'à ce que plus aucun point ne change de groupe.

Ici, chaque point est le témoignage d'un patient, vectorisé (TF-IDF) puis projeté en 2D (PCA). Le graphique mesure la distorsion (distance moyenne au centroïde) pour k de 1 à 49 : elle chute jusqu'à environ 5 groupes puis ne baisse presque plus ; k = 10 a été retenu.

Volet supervisé : radiographies thoraciques

86 % de bons diagnostics sur les radiographies (Random Forest)
Saines
1 600
Pneumonie
1 600
Tuberculose
1 568

En clair : sur 100 radiographies, le modèle reconnaît correctement 86 fois s'il s'agit d'une radio saine, d'une pneumonie ou d'une tuberculose. Entraîné sur 4 768 radiographies étiquetées (niveaux de gris, 128×128 px).

  • Python
  • scikit-learn
  • K-means
  • PCA
  • Random Forest
Code source de Doctor Cvrie (nouvel onglet)

Arcade - borne modulaire

Architecture · C++ · Équipe de 3

Jeux et bibliothèques graphiques chargés dynamiquement (.so) et interchangeables à chaud : SFML, SDL2, NCURSES × Snake, Minesweeper.

Démo : le menu, Snake et le Démineur, passés à chaud de SFML à SDL2 puis à NCURSES (dans le terminal).

Choisissez un jeu et une bibliothèque d'affichage : le cœur les charge à chaud, sans redémarrer.

Core dlopen · à chaud Snake avec SDL2

my_shell (42sh)

Système · C · Finaliste Code Breaker

Shell inspiré de tcsh : exécution de commandes, pipes, séparateurs et redirections (< << > ; |), environnement et builtins.

42sh Émulation dans le navigateur
42sh> echo "hello" | cat -e > out.txt ; cat out.txt hello$ 42sh> exit

À propos de moi

  • 1re place « Agents building Agents » · hackathon 42 AI x BlackBox AI · sept. 2025
  • Vainqueur EPITECH Code Breaker avec Corewar · Élu meilleur projet de l'année 2025 et finaliste avec 42sh
  • Finaliste EPITECH Code Breaker 2026 avec Zappy et Lunar Lander
  • 80+ projets EPITECH · GPA 3.04 · C, C++, Python, TypeScript, SQL, Bash

En dehors du code

  • Jeux vidéo Gestion d'une guilde de 200 personnes sur Dofus pendant ~3 ans · Diamant sur Rocket League et sur Warzone
  • Cuisine Une passion à part entière.
  • Musique Rap underground, rap, indie rock, breakcore
  • Mangas et animés Hunter x Hunter, GTO, Cyberpunk, Fullmetal Alchemist: Brotherhood

Ma stack technique

Stack principale

  • C

    Programmation système : shell POSIX, gestion mémoire, Corewar. Le socle de ma formation EPITECH.

    Dans : 42sh

  • C++

    Architecture orientée objet et modulaire : bibliothèques dynamiques, raytracing, CMake, tests.

    Dans : Zappy · Arcade · Raytracer

  • Python

    IA et data : apprentissage par renforcement, supervisé et non supervisé, tests automatisés.

    Dans : Lunar Lander · Doctor Cvrie

Compétences complémentaires

  • Docker
  • GitHub
  • JavaScript / TypeScript
  • SQL
  • Bash
  • Proxmox · VirtualBox

Langues

  • Français - natif
  • Anglais - C1
  • Allemand - B2

Expériences

  1. Janv. 2026 → mars 2027

    Assistant technique - EPITECH (Astek)

    Débogage de code et vulgarisation de concepts techniques pour plus de 200 étudiants de 1re et 2e année.

  2. Juil. → déc. 2025

    Assistant pédagogique et technique - ETNA

    Développement de 40 correcteurs automatiques en Python, vulgarisation de concepts techniques, débogage de code pour une centaine d'étudiants de la 1re à la 3e année.

Formation

  1. 2024 → auj.

    EPITECH

    Études d'informatique - GPA 3.04

  2. 2023 → 2024

    Université Paris 1 Panthéon-Sorbonne

    Licence d'économie, option gestion

  3. 2015 → 2023

    Collège-Lycée Sainte-Marie d'Antony

    Baccalauréat mention bien - Maths, Physique-Chimie, SES

Distinctions

  1. Juin 2026

    Finaliste - EPITECH Code Breaker

    Avec Zappy et Lunar Lander.

  2. Sept. 2025

    1re place - « Agents building Agents »

    Hackathon 42 AI x BlackBox AI.

  3. Juin 2025

    Vainqueur - EPITECH Code Breaker

    Avec Corewar : élu meilleur projet de l'année 2025 et finaliste avec 42sh.

Prochaine étape : un stage d'avril à fin juillet 2027. Me contacter

Un stage de début avril à fin juillet 2027 ? Parlons-en.

Ingénierie logicielle, IA, systèmes : écrivez-moi, je serai ravi d'échanger.