Ingénieur full-stack & cloud · applications IA · Paris

Je transforme une idée
en produit en ligne.

Je suis Yulin Xin, ingénieur full-stack et tech lead avec 3 ans d'expérience en insurtech. J'ai porté un CRM interne et le DevOps d'un système métier, et j'ai encadré jusqu'à 5 développeurs freelances sur la refonte d'une app client, dont le nouveau front-end a fait passer le chargement des devis de plusieurs dizaines de secondes à moins de 5. Depuis un an, je me concentre sur les applications LLM et les agents de code : vite grâce aux agents, solide grâce aux tests, aux évaluations et à l'infrastructure as code.

En recherche d'un poste d'ingénieur IA applicative ou full-stack cloud à Paris · disponible à partir de janvier 2027 · autorisé à travailler en France

Appuyez, je vous prends en photo.
Parcours

De Shanghai à Paris, des pages web à toute la chaîne de livraison.

Diplômé ingénieur en informatique. En stage, j'ai refondu un ancien système ; en poste, je suis passé du front-end au back-end, au cloud et au CI/CD. Aujourd'hui, je me concentre sur les applications LLM et l'évaluation d'agents.

  1. 2021.09 – 2024.02
    Informatique · titre d'ingénieur
    Université de technologie de Belfort-Montbéliard (UTBM)
  2. 2022.09 – 2023.02
    Stagiaire support technique
    Capgemini Consulting · Shanghai
  3. 2023.08 – 2026.12
    Tech lead & ingénieur full-stack
    Une insurtech parisienne
  4. 2025 – aujourd'hui
    Ingénierie d'applications IA
    Agents de code, évaluations, modèles locaux, Skills
3 ansde full-stack : front-end, back-end, cloud et CI/CD
3 produitspilotés en autonomie
< 5 sde chargement des devis après la refonte, contre plusieurs dizaines avant
3 languesde travail : chinois (langue maternelle), anglais (C1+), français (B2)
Travail · Insurtech · 2023–2026

Dans une insurtech parisienne, j'ai géré à la fois front-end, back-end, cloud et livraison.

L'équipe est petite : une seule personne porte souvent un produit de la conception à la mise en production. Je travaillais en Scrum, avec Jira pour les sprints. Souvent, je faisais d'abord un prototype, je le faisais tester à mes collègues, puis je l'ajustais selon leurs retours. En cas d'incident en production ou au lancement d'un nouveau projet, c'est en général moi qu'on venait voir en premier.

Sur ces trois produits, ce qui compte le plus pour moi, c'est la chaîne de livraison : environnements cohérents, déploiement automatisé, droits clairs. C'est ce qui permet d'itérer vite et sereinement.

  • AWS Lambda
  • DynamoDB
  • Cognito
  • Serverless
  • Docker
  • GitHub Actions
  • Python · FastAPI
  • TypeScript
  • Vue
  • React
  • Flutter
  • Java
  • Salesforce
  1. 1
    Refonte de l'app clientJ'ai mené seul la migration du contenu principal vers une nouvelle architecture, avec un front-end réécrit en React : le chargement des devis est passé de plusieurs dizaines de secondes à moins de 5. J'ai aussi mis en place une CI/CD complète sur AWS, devenue le standard de l'équipe.
  2. 2
    CRM interneDes tâches que les collègues faisaient à la main, transformées en outil web standardisé. Front-end Vue + TypeScript, back-end en Lambda Python, avec un système complet d'authentification et de droits pour des données d'assurance sensibles.
  3. 3
    DevOps du système métier principalSystème Java / Tomcat / Redis. Docker Compose pour harmoniser les environnements, GitHub Actions pour déployer automatiquement sur AWS EC2. J'étais aussi le référent sur les incidents de production.
Projets

De l'idée à la mise en ligne

Chaque projet commence par ses résultats : en combien de temps il est sorti, ce qu'il livre, et ce qui garantit sa qualité. Je définis le problème, les arbitrages et la validation ; les agents IA accélèrent l'implémentation, la documentation et les vérifications.

Un jeu incrémental en pixel art sur la taille des pierres. On casse la gangue, on règle l'angle du bas de la pierre, on polit les facettes. Les pierres taillées brillent, et la lumière sert de monnaie.

  • 2 joursdu premier prototype à la sortie publique sur itch.io, en 26 commits
  • 300+joueurs à ce jour ; chinois et anglais, selon la langue du navigateur
  • 0 back-endtout le jeu tient dans un seul fichier HTML, la progression est enregistrée dans le navigateur

L'idée vient d'une vidéo qui explique pourquoi un diamant étincelle. Je voulais que « la lumière entre et ne ressort plus » devienne quelque chose qu'on essaie soi-même. Quand on règle l'angle, le jeu suit chaque rayon dans une coupe de la pierre et calcule la lumière qui reste, avec les vrais indices de réfraction et les équations de Fresnel. L'angle critique du diamant est de 24,4°, alors que la fluorite ne laisse qu'une fenêtre d'environ 2° : ça se sent en jouant.

Arbitrages clés · 4
  1. Pour régler l'angle, il fallait d'abord lire un schéma des rayons. Je l'ai remplacé par une barre qui montre la zone lumineuse et un simple appui sur la pierre. Le schéma est rangé dans un panneau dépliable, pour ceux qui veulent la physique.
  2. La plupart des joueurs d'itch.io lisent l'anglais : tous les textes sont passés dans une seule table de traduction. Le jeu est en chinois et en anglais, suit la langue du navigateur et se change à la main.
  3. J'ai refait tout le visuel façon planche de cristallographie, mais les pierres restent en pixel art : les pierres 3D pixelisées et la lumière colorée en dessous sont ce qu'on retient.
  4. Le nom anglais devait être Hidden Light. Avant la sortie, j'ai trouvé des jeux du même nom sur itch : il est devenu Stonelight. La première version est gratuite, sans paiement.

Prochaines étapes : tests d'équilibrage, système de prestige.

Un banc d'essai pour agents de code : dans des conditions reproductibles, il mesure si un agent respecte des contraintes combinées, et où il échoue.

  • 17/17tests au vert au premier run aux conditions figées (28/07), 0 minute de correction. Mais une Skill s'est déclenchée d'elle-même : un succès, pas la preuve que le Prompt suffit. Run non fusionné ; main compte 15 tests
  • 1/3sur les trois essais répétés valides qui ont suivi : succès, échec, échec. Conclusion : le Prompt peut réussir, mais il n'est pas encore fiable
  • 13notes d'apprentissage numérotées, plus la méthode d'expérimentation, les modes d'échec, les modèles de Context et la grille d'évaluation, toutes dans le dépôt public

Ce qui m'intéresse, c'est de savoir si la sortie d'un agent est fiable, pas seulement de lui faire finir le code. Chaque run fige donc le point de départ, s'exécute en isolation et ne reçoit aucune correction manuelle avant la fin ; « tâche réussie » et « expérience valide » sont ensuite jugés séparément. Le domaine choisi, l'entraînement photo, je le connais bien : les contraintes sont riches et les réponses faciles à vérifier.

Arbitrages clés · 3
  1. Prompt et commit de départ figés, exécution en environnement isolé, aucune correction manuelle avant la fin, résultats bruts conservés.
  2. Au premier vrai run, tout passait, mais l'exécution avait activé d'elle-même une Skill et une sous-tâche de relecture : la configuration avait changé. Je l'ai classé « résultat contaminé », pas comme référence du Prompt seul.
  3. Formuler une hypothèse réfutable par un 0/3, et juger séparément « tâche réussie » et « expérience valide ».

Pas encore démontré : un taux de réussite stable, un A/B entre Context et Skill.

Pour qui a quelques bases en photo mais ne sait pas quoi photographier une fois dehors : un exercice d'observation à mener sur le terrain, dont on juge soi-même la fin.

  • 53 + 5tests front-end et back-end au vert ; caméra, autorisations, stockage des photos et partage validés sur l'iPhone cible
  • 7 / 14sept axes d'exercice, quatorze familles de tâches ; chaque tâche remonte aux champs et à la version qui l'ont générée

Au départ, un générateur de sujets aléatoires ; c'est devenu un exercice cadré : il dit quoi observer et quelle règle tenir dans l'image, sans juger les conditions sur place ni les photos. Le back-end de retours est déployé avec AWS SAM et ne reçoit que les événements liés aux tâches ; photos et bilans restent sur le téléphone.

Arbitrages clés · 7
  1. Terminer, c'est avoir vraiment exploré le thème, pas rendre « la meilleure photo ». Aucune contrainte de matériel, de focale ou d'exposition : argentique et numérique sont acceptés.
  2. L'option lumière devient « quel contraste ombre-lumière observer ». Le photographe juge lui-même s'il y a de la lumière ; on ne déduit plus la faisabilité de l'heure de l'appareil.
  3. « Trouver un point d'ancrage rouge » devient « trouver un point d'ancrage coloré ». Une couleur, une source de lumière ou une matière précise ne doit pas conditionner tout un type d'exercice.
  4. Prise de vue d'abord en 1:1, orientation portrait fixe, partage de trois photos maximum, pas de mesure de lumière pour l'instant. Le basculement automatique paysage/portrait a été discuté le jour même, puis j'ai volontairement réduit le périmètre.
  5. Pour le cadrage, j'ai comparé trois options sur le téléphone : carré, fenêtre verticale 3:4, et fenêtre carrée avec cadre. J'ai choisi le cadre : la fenêtre reste carrée, un cadre 3:4 suit l'image de la caméra, et la photo enregistrée correspond exactement à l'intérieur du cadre.
  6. Après avoir essayé les deux parcours sur le téléphone, j'ai abandonné l'animation « fermer le capot, rentrer les bagues, éjecter la carte ». La tâche est désormais une feuille de papier avec trois positions : quand la feuille couvre le boîtier, le capuchon du viseur se ferme ; quand elle s'écarte, il s'ouvre.
  7. Le back-end de retours tourne sur AWS à Singapour, car la plupart des testeurs sont en Chine. Il ne reçoit que les événements liés aux tâches ; photos et bilans restent sur le téléphone et ne sont jamais envoyés.

Reste à faire : le test privé avec des testeurs invités, et les données d'usage réelles.

Autres réalisations

Pipeline IA local · 2026.07

Médiathèque vidéo locale

Tout tourne en local : whisper.cpp transcrit les vidéos, un LLM local (Ollama) les classe par thème, avec recherche plein texte et export SRT. Son outil en ligne de commande, video-to-md, n'écrase jamais un fichier existant et repasse sur le CPU si le GPU plante.

Python · whisper.cpp · Ollama · ffmpeg
Infrastructure as code · 2026.11

Ce site

Un site statique en chinois, anglais et français. L'hébergement sur AWS Amplify est décrit en CloudFormation, le déploiement passe par un rôle dédié à privilèges minimaux, les en-têtes de sécurité (CSP, HSTS…) sont en place, et un seul script publie le tout. Le dépôt est public.

HTML · CSS · JS · CloudFormation · Amplify · IAMVoir le dépôt ↗
Du besoin à la livraison · 2026

Agents IA pour des proches

J'installe et je configure des agents de code pour des proches qui ne programment pas. Je repère d'abord ce qui se répète dans leur travail, puis j'écris des Skills sur mesure pour que l'agent suive leur façon de faire.

Configuration d'agents · Skills sur mesure
Autres expériences · 2
Expérience d'IA locale · 2026.07

Boussole photo

Utiliser un modèle de vision local (Qwen2.5-VL) pour dégager la direction créative d'une photothèque, avec un traitement entièrement sur l'appareil. Trois versions de Prompt sur les mêmes 20 photos : le modèle surinterprétait encore des photos du quotidien. J'ai donc arrêté le jugement photo par photo pour chercher les choix qui se répètent d'une photo à l'autre.

Python · PhotoKit · Apple Vision · Ollama
Conception de processus · 2026.09

Cahier de production vidéo IA

Un cadre qui relie histoire, références, génération, montage et validation : d'abord une prévisualisation sonore du storyboard et des tests des plans difficiles, puis la génération en série.

Cadre de processus · 8 plans esquissés
SKILLS MAISON

Transformer les jugements récurrents en protocoles qu'un Agent peut exécuter.

Quand je refais le même type de travail une troisième ou quatrième fois, j'en fais une Skill : un point d'entrée pour les principes communs, des détails lus à la demande, des versions, des scripts de contrôle, un usage d'un projet à l'autre. Je pose le problème, les contraintes et les arbitrages ; l'IA m'aide à écrire protocoles, scripts et tests.

pixel-mv2026.10 · open source · tirée d'un clip

Chaîne de clips en pixel art

Transforme une chanson en clip façon RPG en pixel art. Aucun modèle de génération d'images : Python et Pillow dessinent chaque image en 320×180, agrandie en 1080p et assemblée avec ffmpeg. Cinq styles visuels, et les paroles s'allument caractère par caractère dans une boîte de dialogue de jeu. Le premier dure 4 min 39.

  • Le moteur et la chaîne de rendu sont figés : pour chaque nouvelle chanson, il ne reste qu'à écrire le storyboard et les scènes. Le code ne s'écrit qu'une fois le storyboard validé.
  • Mes 11 demandes de modification sur le premier clip sont consignées dans un journal de retours, devenu la liste d'autocontrôle avant chaque livraison.
Code sur GitHub ↗
short-video-growth-director2026.08 · 3 itérations

Une Skill multi-projets qu'on peut mettre à jour

Une Skill de processus, du choix du sujet au bilan après publication. Ce qui compte ici, c'est sa maintenance : comment les connaissances sont classées, et comment les mises à jour restent sûres.

  • Les nouvelles connaissances sont classées en trois catégories : méthodes générales, infos de plateforme datées, spécificités d'un projet. Seules les méthodes générales entrent dans les règles globales.
  • Une mise à jour passe d'abord par --check, puis --apply ; refus immédiat si l'espace de travail est modifié ou si les versions divergent. Branchée sur cinq outils d'Agent.
content-to-action + evidence-to-project-decision2026.08

Deux Skills de workflow qui coopèrent

La première transforme les contenus sauvegardés en fiches d'usage et gère leur état. La seconde décide seulement si une preuve doit changer un projet : adopter, expérience minimale, reporter ou refuser.

  • Au départ, leurs rôles se chevauchaient. J'ai redessiné la frontière : l'état appartient à l'amont seul, l'aval ne renvoie que son jugement, et le relais passe par l'accord de l'utilisateur.
  • Le jugement de valeur revient à l'Agent ; les scripts se limitent au scan, au hash, à l'index et aux contrôles de structure. Test réel sur 5 sources : tous les SHA-256 inchangés.
Décisions et arbitrages

Écrire ses décisions d'abord, laisser le temps trancher.

Ce que je fais et ce que je ne fais pas, daté du jour de la décision. Les erreurs et les corrections restent ici aussi.

  1. 01A ▸2026.06

    Pas de BossDirect

    Une app de recrutement pour mettre en relation directe talents tech en France et fondateurs de startups ; l'architecture technique était prête. L'étude de marché a montré que le matching par swipe existait déjà, sans différence suffisante. J'ai arrêté avant d'écrire le code.

    Abandonné
  2. 02A ▸2026.07

    Repérer les œuvres une à une, puis trouver la direction

    Après trois essais, le modèle local surinterprétait toujours des photos du quotidien comme des œuvres. Le jour même, j'ai abandonné le classement photo par photo pour analyser les liens entre plusieurs photos, plutôt que de masquer le problème en retouchant le Prompt.

    Corrigé
  3. 03A ▸2026.08

    Sans Skill exposée ni sous-tâches, le Prompt v1 réussit au moins une fois sur trois essais valides

    Une hypothèse de faisabilité réfutable directement par un 0/3. Les trois essais valides n'ont pas encore été menés.

    À vérifier
  4. 04A ▸2026.08

    Deux Skills qui se chevauchent : garder les deux, mais resserrer leur rôle

    content-to-action gère la boîte de réception et l'état, evidence-to-project-decision ne fait que juger le projet, et le relais passe par l'accord de l'utilisateur. Pas de fusion, et jamais le même état détenu des deux côtés.

    Adopté
Décisions plus anciennes · 3
  1. 05A ▸2026.07

    « L'heure bleue peut compter comme la nuit »

    C'était mon hypothèse de modélisation de départ. En la suivant, les exceptions se multipliaient. Le jour même, j'en ai fait une plage horaire à part, au lieu de rapiécer encore la « nuit ».

    Corrigé
  2. 06A ▸2026.08

    Terminer un exercice, c'est explorer sérieusement, pas choisir une belle photo

    C'est désormais le critère de fin de Wind On. Reste à savoir s'il améliore la rétention : seuls de vrais utilisateurs le diront.

    À vérifier
  3. 07A ▸2026.10

    Toutes les tâches ne justifient pas une sortie photo entière

    Désormais, une même sortie permet d'enchaîner les exercices, mais un seul à la fois, et c'est l'utilisateur qui décide quand arrêter.

    Adopté
Méthode

Comment je fais de l'ingénierie avec l'IA

Les agents pour la vitesse, mais chaque étape laisse des preuves vérifiables : des tâches qu'on peut juger, des runs reproductibles, des limites imposées par l'environnement, une validation rapportée par niveaux.

  1. Écrire une tâche vérifiable avant de la confier à l'Agent

    Objectif, contexte existant, contraintes fortes, périmètre modifiable et preuves de validation : chacun écrit à part, clairement.

  2. Figer le point de départ, garder les échecs

    Même commit, même Prompt, même modèle, mêmes droits. On consigne d'abord le résultat brut, puis on corrige à la main.

  3. Laisser l'environnement faire respecter les limites

    Un interdit écrit dans le Prompt n'est pas un interdit dans l'environnement. Les limites se contrôlent au niveau des outils et des droits, et la fin d'une tâche se juge par une vérification indépendante.

  4. Valider par niveaux, rendre compte par niveaux

    Tests unitaires, modèle réel, navigateur, appareil, cloud, retours utilisateurs : chacun son verdict. Réussir en local ne veut pas dire être déployé.

  5. Rendre chaque résultat généré traçable

    Conserver numéros de champs, versions, textes sources et hash. À la reprise, ne pas régénérer en silence les résultats passés.

5 principes de plus
  1. Lever l'ambiguïté par le modèle du domaine

    Une pratique courante n'est pas une condition nécessaire. Quand les exceptions s'accumulent, on redécoupe les catégories au lieu d'empiler des règles.

  2. Prouver que les entrées invalides sont refusées

    Que les exemples valides compilent ne suffit pas. En TDD, le « rouge » doit venir de l'assertion visée, pas d'une erreur d'environnement.

  3. Juger à part le résultat et la validité de l'expérience

    Une fonctionnalité peut passer et l'attribution rester invalide. Un seul score ne remplace pas ces deux jugements.

  4. Juger si ça vaut une Skill avant d'en créer une

    Il faut que les mêmes entrées, jugements et validations reviennent souvent. Si une Skill existante peut s'étendre, on n'en crée pas une nouvelle.

  5. Avec plusieurs Skills, décider d'abord à qui appartient l'état

    L'amont gère le cycle de vie, l'aval ne renvoie que son jugement. Le relais ne transmet que le nécessaire et n'élargit pas les droits d'écriture.

Envie de construire quelque chose ensemble ?

Offre d'emploi, collaboration, ou envie de parler d'ingénierie d'applications IA : écrivez-moi. J'échange volontiers en français, en anglais ou en chinois.

hugo.xinyulin [at] gmail.com

Télécharger mon CV (PDF) ↗