Service
Intégration GenAI native en .NET
Du POC à la production — Semantic Kernel, MEAI, OpenAI/Claude, ML.NET, sans détour Python.
Pour qui
Équipes .NET qui veulent intégrer LLMs, RAG, agents ou ML dans leur produit sans monter un microservice Python à côté — et garder une stack maintenable.
Le problème
La plupart des intégrations GenAI passent par Python. Sur une stack .NET, ça veut dire deux runtimes, deux pipelines CI/CD, deux modèles de déploiement, deux profils de devs à recruter. Pour 80 % des cas d'usage business (RAG, classification, anonymisation PII, agents, scoring) — c'est inutile. .NET a tout ce qu'il faut depuis 2024.
Ma méthode
- 1Cadrage du cas d'usage : RAG, agent, classification, scoring, anonymisation — chaque pattern a son architecture
- 2Choix du framework : Semantic Kernel, Microsoft.Extensions.AI (MEAI), Agent Framework, AutoGen .NET — selon scope
- 3Provider abstraction : OpenAI, Claude, Gemini, Mistral, Azure OpenAI, Bedrock — sans vendor lock-in
- 4Vector store : pgvector, Qdrant, Pinecone — ou local FAISS / ONNX selon contraintes
- 5Pipeline d'évaluation LLM : tests de régression, détection de drift, A/B canary entre modèles
- 6ML.NET pour les cas où un LLM est excessif : classification, régression, séries temporelles, explicabilité TreeSHAP
- 7Sécurité : anonymisation PII réversible, audit logs, gating RGPD pour les prompts qui partent en externe
Ce que vous repartez avec
- POC en production en quelques semaines (pas mois)
- Une seule stack .NET maintenable — pas de microservice Python à entretenir
- Pipeline d'évaluation pour détecter les régressions de modèle avant les utilisateurs
- Documentation et transfert de compétence à l'équipe .NET existante
Preuve concrète
PromptVault : anonymisation PII 13 types détectée et restaurée en temps réel, 4 plateformes IA (ChatGPT, Claude, Gemini, Mistral). aiSelector : gateway 5 providers avec healthcheck double (réseau + cohérence modèle). SaleCast : ML.NET en C# pur (9 algorithmes + 2 foundation models) — pas de microservice Python. GeopolAI : orchestration 3 LLMs en parallèle avec scoring de biais.
Format & investissement
Mission ciblée : 2 à 8 semaines (POC ou intégration) · 3 à 9 mois pour un build complet · CDI ou freelance.
À partir de 6 000 € HT (POC 2 semaines) · TJM 700-950 € HT selon scope · CDI AI Engineer / AI Solutions Architect à discuter.
Sous 10 à 15 jours après cadrage.
Tarifs indicatifs HT, ajustables selon contexte (taille équipe, criticité, durée). Premier échange gratuit pour cadrer.
Autres services
Audit & optimisation d'architecture critique
Identifier les goulots avant qu'ils ne fassent tomber la production.
Conception & build de SaaS Event-Driven
Construire une plateforme qui scale dès la première ligne de code.
Performance temps réel & calcul haute charge
GPU, lock-free, zero-allocation — quand chaque microseconde compte.
IoT, firmware embarqué & cloud telemetry
Du capteur au dashboard — pipeline complet sans rupture.
Ce sujet vous parle ?
Premier échange gratuit pour cadrer le scope. Je dis franchement si je ne suis pas le bon profil.