Disponible · ParisAvailable · Paris

Jean-Luc
Gauvrit

Ingénieur IMT Atlantique · IA, Data & CloudIMT Atlantique engineer · AI, Data & Cloud

Diplômé d'IMT Atlantique, l'une des grandes écoles d'ingénieurs de l'Institut Mines-Télécom, après trois ans en alternance chez Orange et un stage de recherche à Seoul National University. Je conçois des plateformes d'IA générative (LLM, RAG, agents), j'accélère l'inférence sur matériel (FPGA) et je mesure l'impact carbone du cloud. Graduate of IMT Atlantique, one of France's top engineering schools (Institut Mines-Télécom), after a three-year apprenticeship at Orange and a research internship at Seoul National University. I build generative AI platforms (LLMs, RAG, agents), accelerate inference on hardware (FPGA) and measure the carbon footprint of the cloud.

Voir mes projetsSee my projects Me contacterGet in touch
Portrait de Jean-Luc Gauvrit
IMT Atlantique Diplôme d'ingénieur · 2026Engineering degree · 2026

Formé et passé parTrained at & worked with

Bac+5ingénieur IMT AtlantiqueIMT Atlantique engineer
3ans d'alternance chez Orangeyears apprenticeship at Orange
2prix (Orange-Nokia, Pépite)awards (Orange-Nokia, Pépite)
C1anglais · TOEIC 850English · TOEIC 850

À la uneHighlight

Inference-HW, de Séoul à la scèneInference-HW, from Seoul to the stage

Faire tourner un LLM sur une carte FPGA plutôt que sur un GPU énergivore : un projet né en laboratoire de recherche, puis primé deux fois. Running an LLM on an FPGA board instead of a power-hungry GPU: a project born in a research lab, then awarded twice.

  1. Carte FPGA Xilinx ZCU106 utilisée pour l'inférence

    Été 2025 · SéoulSummer 2025 · Seoul

    Le prototype, à Seoul National UniversityThe prototype, at Seoul National University

    Moteur d'inférence C++ de référence sur CPU, kernels HLS sur mesure (MatMul, Softmax, RMSNorm, RoPE) synthétisés avec Vitis HLS, chaîne Docker + interface Flask, puis inférence de bout en bout sur la Xilinx ZCU106.C++ CPU baseline inference engine, custom HLS kernels (MatMul, Softmax, RMSNorm, RoPE) synthesised with Vitis HLS, Docker toolchain with a Flask UI, then end-to-end inference on the Xilinx ZCU106.

  2. Remise des diplômes aux lauréats du Challenge Orange-Nokia, devant l'écran de présentation d'Inference HW

    2025 · Orange × Nokia2025 · Orange × Nokia

    Lauréat du Challenge Orange-NokiaWinner of the Orange-Nokia Challenge

    Analyse du besoin, architecture et pitch devant les dirigeants d'Orange et de Nokia : Inference-HW remporte le challenge.Needs analysis, architecture and pitch to Orange and Nokia leadership: Inference-HW wins the challenge.

  3. Pitch d'Inference-HW sur la scène du Spice Up, une carte FPGA projetée à l'écran

    2026 · Pépite Pays de la Loire2026 · Pépite Pays de la Loire

    Prix du jury Spice UpSpice Up jury prize

    Pour les 5 ans de Spice Up, pitch d'Inference-HW devant le jury et une salle comble : prix du jury.At Spice Up's 5th anniversary, Inference-HW was pitched to the jury and a packed room, and took the jury prize.

Devant la porte de Seoul National University, de nuit, avec le kit AMD Zynq UltraScale+
Seoul National University
Remise du prix du jury sur la scène du Spice Up
Remise du prix du juryJury prize ceremony
La salle comble pendant la cérémonie Spice Up
Spice Up · 5 ansSpice Up · 5th anniversary

01

ProjetsProjects

Une sélection de projets aboutis, du prototype livré au client à la solution primée. A selection of completed projects, from client deliveries to award-winning prototypes.

Livré clientClient delivery 2026 · Manta Tech

Kiwi DB

Plateforme RAG multi-agents appliquant les LLM aux documents métier du client. Pilotage technique d'une équipe de 6 : recueil du besoin, POC puis mise en production. Orchestrateur FastAPI, passerelle MCP, recherche sémantique PostgreSQL/pgvector, interface Open WebUI. Multi-agent RAG platform applying LLMs to the client's business documents. Technical lead of a 6-person team, from requirements to POC to production. FastAPI orchestrator, MCP gateway, PostgreSQL/pgvector semantic search, Open WebUI front end.

  • RAG
  • MCP
  • FastAPI
  • pgvector
  • Docker
  • GitHub Actions
Voir le codeView code ↗
LauréatWinner 2025 · SNU → Orange × Nokia

Inference-HW

Inférence de LLM sobre en énergie sur CPU et FPGA (Xilinx ZCU106), née pendant mon stage de recherche à Seoul National University : backend C++17, noyaux HLS pour les opérations transformer (MatMul, Softmax, RMSNorm, RoPE), chaîne Docker reproductible jusqu'à l'image PetaLinux. Lauréat du Challenge Orange-Nokia 2025, prix du jury Spice Up 2026. Energy-efficient LLM inference on CPU and FPGA (Xilinx ZCU106), started during my research internship at Seoul National University: C++17 backend, HLS kernels for transformer ops (MatMul, Softmax, RMSNorm, RoPE), reproducible Docker toolchain down to the PetaLinux image. Winner of the Orange-Nokia Challenge 2025, Spice Up jury prize 2026.

  • C++
  • HLS / Vitis
  • FPGA
  • Docker
  • Green AI
Voir le codeView code ↗
Hackathon 2026 · Google DeepMind · 42 Paris

Devil's Advocates

Moteur de désaccord pour affirmations scientifiques contestées : récupération d'articles réels via MCP, deux avocats Gemma qui débattent chacun à partir de leurs sources, un juge qui nomme le point de bascule. Chaque affirmation est sourcée (DOI). Context engineering pour petits modèles. A disagreement engine for contested scientific claims: real papers retrieved over MCP, two Gemma advocates debating from their own evidence, and a judge naming the crux. Every claim carries provenance (DOI). Context engineering for small models.

  • Gemma 4
  • LangGraph
  • MCP
  • vLLM
Voir le codeView code ↗
Lab 2026

Benchmark des moteurs d'inférence LLMLLM inference engine benchmark

Banc d'essai Docker comparant AirLLM, llama.cpp, Ollama et vLLM sur GPU : TTFT, débit, latences p50/p95/p99, taux de succès. Supervision Prometheus et Grafana pour choisir le modèle le plus sobre adapté au besoin. Docker test bench comparing AirLLM, llama.cpp, Ollama and vLLM on GPU: TTFT, throughput, p50/p95/p99 latency and success rate, monitored with Prometheus and Grafana to pick the leanest model for the job.

  • llama.cpp
  • vLLM
  • Ollama
  • Prometheus
  • Grafana
Voir le codeView code ↗
Projet persoSide project 2026

BotMarket

Bot de trading en paper trading piloté par un graphe d'agents LangGraph (découverte, analyse technique, risque, exécution) et un LLM 100 % local via Ollama. Passerelle FastAPI isolant les clés API, tableau de bord Streamlit, tests unitaires et d'intégration mockés. Paper-trading bot driven by a LangGraph agent graph (discovery, technical analysis, risk, execution) with a fully local LLM via Ollama. FastAPI gateway isolating API keys, Streamlit dashboard, mocked unit and integration tests.

  • LangGraph
  • Ollama
  • FastAPI
  • Streamlit
  • pytest
Voir le codeView code ↗
Orange 2023 – 2026

Mesure carbone des services cloud (MELIAE)Cloud carbon measurement (MELIAE)

Contribution à l'outil interne mesurant les émissions scopes 1, 2 et 3 du cloud privé d'Orange. Projet de fin d'études : comparaison avec Azure Carbon Optimization et GCP Carbon Footprint (périmètre, hypothèses, granularité, fiabilité), recommandations présentées au management. Contributed to Orange's internal tool measuring scope 1, 2 and 3 emissions of its private cloud. Final-year project: benchmarked it against Azure Carbon Optimization and GCP Carbon Footprint (scope, assumptions, granularity, reliability) and presented recommendations to management.

  • Python
  • SQL
  • Grafana
  • Power BI
  • FinOps / GreenOps
Projet interne · code non publicInternal project · code not public
IMT Atlantique 2025

JobManagement

Application web de recrutement mettant en relation offres d'emploi et candidatures par secteur et niveau de qualification : modélisation des données, entités JPA, DAO, services métier et interface Thymeleaf sur PostgreSQL. Recruitment web app matching job offers and applications by sector and qualification level: data modelling, JPA entities, DAOs, business services and a Thymeleaf UI on PostgreSQL.

  • Java
  • JPA
  • Thymeleaf
  • PostgreSQL
Voir le codeView code ↗
IMT Atlantique 2024

Simulateur de chaîne de transmissionTransmission chain simulator

Simulateur Java d'une chaîne de transmission numérique : génération de messages, transmetteurs, sondes de visualisation, scripts de compilation, de déploiement et de documentation. Java simulator of a digital transmission chain: message generation, transmitters, visualisation probes, build, deployment and documentation scripts.

  • Java
  • TélécomsTelecom
  • SignalSignal
Voir le codeView code ↗

02

ParcoursBackground

Août 2023 – Sept. 2026 · Formation par apprentissageAug 2023 – Sep 2026 · Apprenticeship track

IMT Atlantique

Diplôme d'ingénieur, Informatique, Réseaux & Télécommunications · Institut Mines-TélécomMaster's-level engineering degree, Computer Science, Networks & Telecom · Institut Mines-Télécom

Spécialisation TAF OASIS (Optimisation, Automatisation des Systèmes Industriels et Supply Chain) : modélisation, optimisation et analyse de systèmes complexes, gestion des flux, aide à la décision en environnement contraint, avec l'objectif de concevoir des solutions performantes et durables. Specialisation OASIS (Optimisation and Automation of Industrial Systems and Supply Chain): modelling, optimisation and analysis of complex systems, flow management and decision support under constraints, aiming for solutions that are both efficient and sustainable.

  • OptimisationOptimisation
  • Supply chain
  • Aide à la décisionDecision support
  • Réseaux & télécomsNetworks & telecom
  • Cloud
  • Génie logicielSoftware engineering

ExpérienceExperience

Août 2023 – Sept. 2026Aug 2023 – Sep 2026

Apprenti ingénieur Cloud & Green ITCloud & Green IT Engineer (apprenticeship)

Orange OINIS, International Networks · Cesson-Sévigné

  • Équipe Cost & Green : structuration de la mesure de la performance carbone des infrastructures ; KPI environnementaux pour comparer les performances réelles aux offres du marché.Cost & Green team: structured carbon-performance measurement of infrastructure; environmental KPIs benchmarking real performance against market offerings.
  • Instrumentation : exploration de la collecte de données via eBPF en complément de l'outil interne MELIAE (scopes 1, 2 et 3).Instrumentation: explored eBPF-based data collection alongside the internal MELIAE tool (scopes 1, 2 and 3).
  • DevOps for Green : automatisation des tests de charge et de mesure via des configurations YAML ; pipelines Python/SQL vers PostgreSQL, CI/CD, Terraform.DevOps for Green: automated load and measurement tests through YAML configurations; Python/SQL pipelines into PostgreSQL, CI/CD, Terraform.
  • Projet de fin d'études : comparaison de MELIAE avec Azure Carbon Optimization et GCP Carbon Footprint, recommandations présentées au management.Final-year project: benchmarked MELIAE against Azure Carbon Optimization and GCP Carbon Footprint, recommendations presented to management.
  • Équipe Virtualisation : lab Ecocenter sous VMware (ESXi, vCenter, vSAN, NSX), incidents et demandes via JIRA.Virtualisation team: Ecocenter lab on VMware (ESXi, vCenter, vSAN, NSX), incidents and requests in JIRA.

Juin – Août 2025Jun – Aug 2025

Ingénieur de recherche (stage)Research Engineer (internship)

Seoul National University, Deep Learning Research Lab · Séoul, Corée du SudSeoul, South Korea

  • Proof of Concept d'accélération de l'inférence LLM sur FPGA (Xilinx ZCU106).Proof of Concept for accelerating LLM inference on FPGA (Xilinx ZCU106).
  • Moteur d'inférence C++ comme référence CPU ; kernels HLS personnalisés (MatMul, Softmax, RMSNorm, RoPE, Add, Mul) avec Vitis HLS.C++ inference engine as CPU baseline; custom HLS kernels (MatMul, Softmax, RMSNorm, RoPE, Add, Mul) with Vitis HLS.
  • Environnement Dockerisé avec interface web Flask : builds CPU (CMake), builds FPGA (cross-compilation + v++), images SD PetaLinux.Dockerised environment with a Flask web UI: CPU builds (CMake), FPGA builds (cross-compilation + v++), PetaLinux SD images.
  • Déploiement de bout en bout sur la carte et analyse des performances (latence, débit, tokens/s) ; rapport technique « LLM on hardware ».End-to-end deployment on the board and performance analysis (latency, throughput, tokens/s); technical report “LLM on hardware”.

Avant IMT AtlantiqueBefore IMT Atlantique

Distinctions & engagementsAwards & involvement

  • 🏆Lauréat du Challenge Orange-Nokia 2025Winner, Orange-Nokia Challenge 2025
  • 🏅Prix du jury Spice Up, Pépite Pays de la Loire 2026Spice Up jury prize, Pépite Pays de la Loire 2026
  • ☁️AWS Certified AI Practitioner & Cloud Practitioner (2026)AWS Certified AI Practitioner & Cloud Practitioner (2026)
  • 🎤Organisation d'une conférence sur l'IA et la souveraineté numérique, avec un député et l'entrepreneur Quentin AdamOrganised a conference on AI and digital sovereignty with a French MP and entrepreneur Quentin Adam
  • ⚖️Membre du jury du hackathon AWS × CentraleJury member, AWS × Centrale hackathon
  • 🏉Rugby : champion de Bretagne 2023-2024 · Échecs (Elo 1200)Rugby: Brittany champion 2023-2024 · Chess (Elo 1200)

03

CompétencesSkills

IA générative & MLGenerative AI & ML

  • LLM
  • RAG
  • LangChain
  • LangGraph
  • MCP
  • Prompt & context engineering
  • PyTorch
  • TensorFlow
  • Scikit-learn
  • pgvector
  • llama.cpp · Ollama · vLLM

Développement & dataSoftware & data

  • Python
  • Java
  • SQL · PL/SQL
  • C/C++
  • R
  • FastAPI
  • Pandas · NumPy
  • PostgreSQL
  • Power BI
  • Git

Cloud & MLOpsCloud & MLOps

  • AWS
  • Azure
  • GCP
  • Docker
  • Kubernetes
  • Terraform
  • GitHub Actions · GitLab CI · Jenkins
  • Prometheus · Grafana
  • VMware · Proxmox
  • Linux

Numérique ResponsableSustainable IT

  • Green IT
  • GR491
  • ÉcoconceptionEco-design
  • Empreinte carbone scopes 1-2-3Scope 1-2-3 carbon footprint
  • FinOps · GreenOps
  • SensibilisationAwareness training

MéthodesWays of working

  • Scrum · Kanban
  • DevOps
  • JIRA
  • Confluence
  • Recueil du besoinRequirements gathering
  • Pilotage d'équipeTeam leadership

LanguesLanguages

  • Français · natifFrench · native
  • Anglais · C1 (TOEIC 850)English · C1 (TOEIC 850)

04

Travaillons ensembleLet's work together

Un poste en IA, data, cloud ou Green IT ? Un projet à lancer ? Écrivez-moi, je réponds rapidement. An AI, data, cloud or Green IT role? A project to kick off? Drop me a line, I reply quickly.

gauvritj37 [at] gmail.com