Tech Events by datacraft

with Daniel Altunay (Founder, AI & ML engineer, FilterGenie)

Comment passer d'un prototype à une pipeline IA fiable en production ? Daniel Altunay, ingénieur IA et ML et fondateur de FilterGenie, explique comment il conçoit, évalue et suit des pipelines qui utilisent des LLM et des VLM pour extraire des informations structurées à partir de documents. Au programme : choix des méthodes et des modèles, benchmarking, compromis entre qualité, latence et coût, validation des résultats et gestion des erreurs, puis monitoring et détection des régressions une fois en production. Organisé par datacraft, la communauté data science parisienne. Lundi 16 novembre, de 18h à 20h. En français. Gratuit ; inscription soumise à validation, adresse exacte à Paris communiquée après acceptation. Pourquoi y aller : un retour terrain sur l'extraction documentaire par LLM, par quelqu'un qui la fait tourner en production. Pour les ingénieurs IA qui veulent sortir une pipeline documentaire du notebook.

with Daniel Altunay (Founder, AI & ML engineer, FilterGenie)

How do you take an AI pipeline from prototype to something you can trust in production? Daniel Altunay, AI and ML engineer and founder of FilterGenie, walks through how he designs, evaluates and monitors pipelines that use LLMs and vision-language models to pull structured data out of documents. He covers choosing methods and models, benchmarking, trading quality against latency and cost, validating outputs and handling errors, then monitoring and catching regressions once the pipeline is live. Hosted by datacraft, the Paris data science community. Monday 16 November, 18:00 to 20:00. In French. Free; registration is approval-gated and the exact Paris address is shared once you're accepted. Why go: a practitioner's view of document extraction with LLMs from someone running it in production. Best for AI engineers trying to get a document pipeline out of the notebook.

datacraft's meetup for people who design, test or deploy agentic AI systems. Short lightning talks on real experience, then open discussion: architecture choices (autonomous agents, orchestrated workflows), picking a model per task, evaluating quality and reliability, trade-offs between performance, cost and latency, measuring ROI, and what failed. No keynote and no announced speakers. Thursday 26 November, 18:00 to 20:00 at datacraft, 3 rue Rossini, 75009 Paris. The event is in French. Registration needs host approval. Why go: a peer room where people bring production failures as well as wins, which makes a change from demo-heavy agent talks. Best for AI engineers and data scientists shipping agents.

Le meetup de datacraft pour celles et ceux qui conçoivent, testent ou déploient des systèmes d'IA agentique. De courts retours d'expérience, puis une discussion ouverte : choix d'architecture (agents autonomes, workflows orchestrés), choix du modèle par tâche, évaluation de la qualité et de la fiabilité, arbitrages entre performance, coût et latence, mesure du ROI, et ce qui a échoué. Pas de keynote, pas d'intervenants annoncés. Jeudi 26 novembre, de 18h à 20h, chez datacraft, 3 rue Rossini, 75009 Paris. Événement en français. L'inscription est soumise à validation de l'hôte. Pourquoi y aller : une salle de pairs où l'on apporte ses échecs en production autant que ses succès, ce qui change des démos d'agents. À réserver aux ingénieurs IA et data scientists qui livrent des agents.

DotVision, qui développe de l'IA et du traitement embarqué déjà déployés dans l'aéronautique, l'énergie et le ferroviaire, présente l'architecture d'IA distribuée qu'elle est en train d'industrialiser. Deux contraintes l'ont façonnée : les données de défaut étiquetées sont rares, voire inexistantes, et les données brutes ne peuvent pas quitter le site. Le principe : un graphe exécutable commun pour modéliser, simuler, orchestrer et déployer l'intelligence jusqu'au microcontrôleur, en combinant modèles physiques, traitement du signal, règles métier et experts IA activés seulement quand il le faut. La référence s'apprend sur la machine saine, sans exemple de défaut. Démonstration : un POC de bout en bout sur le diagnostic d'une machine tournante. Jeudi 3 décembre, de 18h à 20h, chez datacraft, 3 Rue Rossini, 75009 Paris. En français. Gratuit, inscription soumise à validation, une trentaine de places. Pourquoi y aller : une architecture d'IA edge concrète, par une équipe dont les capteurs tournent déjà en production. Pour les ingénieurs IoT industriel, maintenance prédictive ou ML embarqué.

DotVision, which builds embedded AI and IoT systems already running in aerospace, energy and rail, presents the distributed AI architecture it is now industrialising. Two constraints shaped it: labelled fault data is rare or nonexistent, and raw data can't leave the site. The design is a shared executable graph that models, simulates, orchestrates and deploys intelligence down to the microcontroller, combining physical models, signal processing, business rules and AI experts that switch on only when needed. The baseline is learned on a healthy machine, with no fault examples. The demo is a full-chain proof of concept diagnosing a rotating machine. Thursday 3 December, 18:00 to 20:00, at datacraft, 3 Rue Rossini, 75009 Paris. In French. Free, approval-gated, about 30 places. Why go: a concrete edge-AI architecture from a team with sensors already in production. Best for engineers working on industrial IoT, predictive maintenance or embedded ML.