Julien de Saint Angel

Résumé professionnel

Docteur en informatique appliquée à l'intelligence artificielle, je conçois aujourd'hui des solutions d'IA concrètes et directement utiles en entreprise — en particulier de l'IA agentique de haut niveau : des agents autonomes qui raisonnent, décident et interrogent des bases de données en langage naturel (RAG, matching sémantique, text-to-SQL). Fort d'un solide bagage en recherche (réseaux de neurones, détection d'anomalies, deep learning, traitement du signal et d'images), je transforme des problématiques complexes en systèmes fiables, explicables et déployés dans des environnements réels. De l'architecture à la mise en production, je livre des résultats concrets et mesurables sur des projets ambitieux.

Expérience professionnelle

• POSTE ACTUEL Avr. 2026 – aujourd'hui : Chargé de Projet IA — Unapei 17 (La Rochelle, CDD)
  Pilotage et développement d'une plateforme d'IA agentique au service des données RH et comptables.
  • Agent IA autonome (langage naturel → base de données) : conception d'un agent qui répond en français aux questions des équipes RH en interrogeant lui-même les bases, sans aucune compétence technique requise. Un véritable agent qui raisonne et décide (boucle Raisonnement → Action → Observation, décomposition en sous-objectifs, schema linking) — pas une simple interface scriptée.
  • Confidentialité & conformité RGPD : l'architecture est 100 % locale (Ollama, SQLite, LangGraph) — aucune donnée ne quitte l'organisation. C'est un enjeu fondamental : l'Unapei 17 traite des données particulièrement sensibles, et le respect du RGPD a été placé au cœur de la conception.
  • Matching sémantique multi-bases : un algorithme que j'ai conçu et développé, reliant automatiquement des bases hétérogènes et non structurées (RH, comptabilité, activité) en un socle unifié, fiable et exploitable. Architecture auditable et explicable : le code calcule les faits, le LLM raisonne sur ces faits — pas d'hallucination, résultats reproductibles, et traçabilité complète du processus de raisonnement.
  • Visualisation & aide à la décision : tableaux de bord clairs, en temps réel et conformes RGPD, pour guider la prise de décision RH.
  • Technologies : Python, LLM, RAG agentique, LangGraph, MCP, text-to-SQL / NL2DB, matching sémantique, SQLite.
• Fév.–Mai 2019 : Stage aux laboratoires XLIM (UMR 7252) et MIA (EA 3165)
  Encadrants : B. Tremblais et R. Pétéri
  Caractérisation du geste sportif par caméras rapides utilisant l'analyse trajectographique de points critiques.
• Mai 2018 : Stage au laboratoire LIENSs (UMR 7266)
  Encadrants : E. Poirier (IGR) et L. Testud
  Réalisation d'un marégraphe visuel : lecture automatisée de l'image d'une échelle de marée.
• Mar.–Juin 2015 : Stage au laboratoire SYRTE (UMR 8630), Observatoire de Paris
  Encadrant : J.-Y. Richard
  Développement d'algorithmes d'interpolation pour les orbites de satellites artificiels (équations différentielles, simulation numérique).
• 2015–2017 : Enseignant fonctionnaire second degré, Lycées Saint-Exupéry, La Rochelle
  Professeur de mathématiques. Développement de compétences en communication, vulgarisation scientifique et travail en équipe.

Expertise

Ma thèse a consisté à utiliser des réseaux de neurones à couches hyperphérique avec une approche basée sur l'algèbre conforme pour proposer de nouvelles méthodes de détection d'anomalies. L'objectif est d'exploiter les propriétés géométriques de ces réseaux pour améliorer la capacité à repérer des anomalies dans les données.

Contributions & Projets

• MIA : agent conversationnel +info
• JobScope : Outil intelligent de gestion des annonces d’emploi +info (projet en construction)
• Orbitalis : journal dynamique astro extrayant des médias les informations sur les événements observables pour les amateurs — orbitalis.fr
• Singapore360 : site personnel de visualisation VR 360° de photos de Singapour — singapore360.orbitalis.fr
×

• Deep M-SPH SVDD : méthode multi-sphères hypersphériques pour la détection d'anomalies
• Méthode d'initialisation : amélioration de la convergence et de la stabilité des réseaux neuronaux hypersphériques
• Applications : marégraphe visuel automatisé, suivi du geste sportif, détection d'anomalies

Vidéo de soutenance de thèse:

Formation

• 2020–2025 : Doctorat en informatique appliquée, Laboratoire Mathématiques, Image et Applications (MIA), Université de La Rochelle
• 2017–2019 : Master Mathématiques et Applications MIX, Laboratoire Mathématiques, Image et Applications (MIA), Université de La Rochelle
• 2014–2015 : Master Astronomie & Physique, Observatoire de Paris-Meudon

Publications sélectionnées

• J. de Saint Angel, C. Saint-Jean, C. Choquet, Improving Learning for Deep Multi-Sphere Anomaly Detection with Conformal Geometric Algebra, Recent Applications in Deep Learning, 2025. (Accepté, en cours de publication). [Google Scholar]
• J. de Saint Angel, C. Saint-Jean, Couches Dense et Conv2d sphériques via l'algèbre géométrique conforme, ORASIS, 2021. [PDF] [HAL]
• J. de Saint Angel, C. Saint-Jean, Théorème d'approximation pour neurones hypersphériques, GRETSI, 2023. [HAL] [PDF]
• J. de Saint Angel, C. Saint-Jean, Multi-Spheres Anomaly Detection with Hyperspherical Layers, ICMLA, 2024. [IEEE]
• Manuscrit complet de thèse – Université de La Rochelle, 2025

Langues & Centres d'intérêt

Français (natif), Anglais (B2 – courant), Espagnol & Roumain (B1)

Vulgarisation scientifique, astrophotographie, ornithophotographie, modélisation 3D, animation vidéo

Professional Summary

With a PhD in computer science applied to artificial intelligence, I now design concrete, directly useful AI solutions for business — in particular high-level agentic AI: autonomous agents that reason, decide, and query databases in natural language (RAG, semantic matching, text-to-SQL). Backed by a strong research foundation (neural networks, anomaly detection, deep learning, signal and image processing), I turn complex problems into reliable, explainable systems deployed in real-world environments. From architecture to production, I deliver concrete, measurable results on ambitious projects.

Professional Experience

• CURRENT ROLE Apr. 2026 – present: AI Project Lead — Unapei 17 (La Rochelle, France)
  Leading and building an agentic-AI platform serving HR and accounting data.
  • Autonomous AI agent (natural language → database): designing an agent that answers HR teams' questions in plain language by querying the databases itself, with no technical skills required. A true agent that reasons and decides (Reason → Act → Observe loop, sub-goal decomposition, schema linking) — not a scripted interface.
  • Privacy & GDPR compliance: the architecture is fully local (Ollama, SQLite, LangGraph) — no data ever leaves the organization. This is a fundamental concern: Unapei 17 handles highly sensitive data, and GDPR compliance was placed at the very heart of the design.
  • Multi-database semantic matching: an algorithm I designed and developed, automatically linking heterogeneous, unstructured databases (HR, accounting, activity) into a unified, reliable, usable foundation. An auditable, explainable architecture: code computes the facts, the LLM reasons over those facts — no hallucination, reproducible results, and full traceability of the reasoning process.
  • Visualization & decision support: clear, real-time, GDPR-compliant dashboards to guide HR decision-making.
  • Technologies: Python, LLM, agentic RAG, LangGraph, MCP, text-to-SQL / NL2DB, semantic matching, SQLite.
• Feb–May 2019: Internship at XLIM (UMR 7252) and MIA (EA 3165)
  Supervisors: B. Tremblais and R. Pétéri
  Characterization of sports gestures using high-speed cameras with trajectographic analysis of critical points.
• May 2018: Internship at LIENSs Laboratory (UMR 7266)
  Supervisors: E. Poirier (IGR) and L. Testud
  Development of an automated visual tide gauge: automatic reading of images from a tidal scale.
• Mar–Jun 2015: Internship at SYRTE Laboratory (UMR 8630), Observatoire de Paris
  Supervisor: J.-Y. Richard
  Development of algorithms for interpolating artificial satellite orbits (differential equations, numerical simulation).
• 2015–2017: High school teacher, Lycées Saint-Exupéry, La Rochelle
  Mathematics teacher. Development of communication skills, scientific outreach, and teamwork.

Expertise

My thesis involved using neural networks with hyperspherical layers and a conformal algebra-based approach to propose new anomaly detection methods. The goal is to exploit the geometric properties of these networks to improve the ability to detect anomalies in data.

Contributions & Projects

• Deep M-SPH SVDD: Multi-sphere hyperspherical method for anomaly detection in time series and industrial datasets
• Initialization method: Improved convergence and stability of hyperspherical neural networks
• Applications: Visual tide gauge automation, sports motion tracking, anomaly detection

Thesis defense video:

Education

• 2020–2025: PhD in Applied Computer Science, Mathematics, Image and Applications Laboratory (MIA), University of La Rochelle
• 2017–2019: Master in Mathematics and Applications MIX, Mathematics, Image and Applications Laboratory (MIA), University of La Rochelle
• 2014–2015: Master in Astronomy & Physics, Paris-Meudon Observatory

Selected publications

• J. de Saint Angel, C. Saint-Jean, C. Choquet, Improving Learning for Deep Multi-Sphere Anomaly Detection with Conformal Geometric Algebra, Recent Applications in Deep Learning, 2025. (Accepted, in press). [Google Scholar]
• J. de Saint Angel, C. Saint-Jean, Couches Dense et Conv2d sphériques via l'algèbre géométrique conforme, ORASIS, 2021. [PDF] [HAL]
• J. de Saint Angel, C. Saint-Jean, Théorème d'approximation pour neurones hypersphériques, GRETSI, 2023. [HAL] [PDF]
• J. de Saint Angel, C. Saint-Jean, Multi-Spheres Anomaly Detection with Hyperspherical Layers, ICMLA, 2024. [IEEE]
• Complete thesis manuscript – University of La Rochelle, 2025

Languages & Interests

French (native), English (B2 – fluent), Spanish & Romanian (B1)

Science outreach, astrophotography, bird photography, 3D modeling, video animation