Je conçois des logiciels qui automatisent des processus d’affaires de bout en bout, avec des vérifications qui en prouvent le résultat.

Plus efficacement que jamais, grâce à l’orchestration d’agents d’IA.

Résoudre des problèmes, c’est ce que j’aime le plus. Si une tâche se fait à l’ordinateur, elle peut fort probablement être automatisée.

Réalisation

Market Board en direct : listes de surveillance, graphiques et indicateurs du marché

Market Board

Le tableau s’affiche directement sur votre bureau, sans application ni navigateur à ouvrir. Lorsqu’il est actif, il actualise ses prix environ toutes les deux minutes pendant les heures de marché.

Nécessite Wallpaper Engine, un achat unique sur Steam.

  • ≈ 4 semainesde développement
  • ≈ 9 000 lignesde code, commentaires compris
  • 287vérifications automatisées avant la sortie
Diapositive 1 : « −26 °C mesurés à Montréal, à 18 h, le vendredi 3 février 2023. » Hydro-Québec conseillait de réduire le chauffage d’un à deux degrés. Une prévision faite la veille aurait-elle vu venir cette soirée ? Diapositive 2, pourquoi ce soir-là : plus il fait froid, plus le Québec consomme d’électricité. Chaque point est une journée de 2019 à 2023, demande selon la température à Montréal, les jours les plus froids en haut à gauche. Diapositive 3, les heures qui comptent le plus sont rares : une centaine d’heures de pointe sur les 8 760 de l’année, soit environ 99 % d’heures ordinaires. Diapositive 4, une tentative : une prévision simple, conçue pour être vérifiée. Émise la veille, elle couvre les 24 heures du lendemain à partir de la température prévue à l’aéroport de Montréal, de l’heure et du type de jour, et de la demande de la veille et de la semaine d’avant. Diapositive 5, le modèle : un modèle additif fait la somme de pièces. Pour la pointe du vendredi, de 17 h à 18 h, un niveau de 19 957 MW, et le plus gros ajout, +15 942 MW, vient du froid : −25,2 °C prévus contre 18 °C. Diapositive 6, ce qu’annonçait la prévision pour la pointe du vendredi : 40 618 MW, avec une fourchette de 38 003 à 43 234 MW. La demande réelle est cachée pour l’instant. La fourchette promet de contenir la demande 9 heures sur 10. Diapositive 7, l’écart habituel : de 2020 à 2023, la prévision s’est écartée de la demande réelle de 2,83 % en moyenne, contre 7,81 % pour « même heure la semaine d’avant ». L’hiver est plus difficile, 3,56 %, l’été 2,13 %. Diapositive 8, le hic : ces années la flattent. 18 versions ont été essayées sur 2020–2023, 6 types de modèles par 3 sortes de données de température, et celle-ci a été retenue ; ses résultats ne peuvent donc pas montrer qu’elle est meilleure que les autres. Diapositive 9, la promesse : la part des heures dans la fourchette, de 2021 à 2023. Hiver 81,7 %, printemps 87,5 %, été 97,4 %, automne 94,6 %, toutes saisons confondues 90,3 %, contre 90 % promis. Diapositive 10, le dévoilement : la demande réelle à la pointe du vendredi était de 42 473 MW, dans la fourchette. Puis la demande est restée haute pendant que la prévision baissait : 3 heures de suite au-dessus de la fourchette, de 205, 939 et 1 409 MW. Diapositive 11, l’alerte : le contrôle hebdomadaire peut recommander un correctif mais ne l’applique jamais. Rejoué sur 2024 heure par heure, 10 des 13 semaines d’hiver ont eu moins de 9 heures sur 10 dans la fourchette, et il n’a rien recommandé de l’année. Diapositive 12, le silence : le seuil d’alerte de l’hiver, 66 %, a été fixé sur les semaines d’hiver 2021–2023, déjà sous la promesse de 90 %, d’où le silence du contrôle hebdomadaire. Diapositive 13, le test : jusqu’où peut-on y croire ? Les deux premières périodes ne sont pas des tests. La dernière, une année gardée de côté, est le vrai test : pas encore fait, en attente des données. Diapositive 14, la réponse : proche en moyenne, trop sûre d’elle en hiver, trop basse autour de la pointe du vendredi. Une bonne moyenne peut cacher les heures qui comptent le plus, et des données déjà vues ne sont pas un test. Statut : candidat. Construit avec Claude Code sous ma direction. Diapositive 15, crédits : données de demande d’Hydro-Québec (CC BY-NC 4.0, à titre informatif, non officielles), données météorologiques d’Environnement et Changement climatique Canada, prévisions de la NOAA via l’Iowa Environmental Mesonet. Aucun n’a produit, revu ni approuvé ce travail, et ce projet n’est affilié ni à la NOAA ni à l’Iowa Environmental Mesonet.

valiwatt

Une prévision n’est utile que si on sait quand arrêter de s’y fier. valiwatt met à l’épreuve une prévision de la demande horaire d’électricité au Québec sur des mois qu’elle n’a jamais vus, mesure si ses fourchettes tiennent vraiment et surveille la dérive. Quand un contrôle se déclenche, il dit quoi faire et pourquoi; il ne modifie jamais le modèle de lui-même.

Encore candidat : les chiffres d’écart et de fourchette viennent des années qui ont servi à choisir le modèle, et le test final, sur une année gardée de côté jusque-là, reste à faire. Données de demande : données ouvertes d’Hydro-Québec (CC BY-NC 4.0), offertes à titre informatif et non officielles. Ni Hydro-Québec, ni Environnement et Changement climatique Canada, ni la NOAA, ni l’Iowa Environmental Mesonet n’ont produit, revu ou approuvé ce travail, et ce projet n’est affilié ni à la NOAA ni à l’Iowa Environmental Mesonet. Construit avec Claude Code sous ma direction.

  • 2,83 %d’écart moyen par heure, contre 4,42 % pour la première version
  • 90,3 %des heures dans sa fourchette à 90 %
  • 418 sur 418tests par fautes injectées réussis, sur des données synthétiques
(vidéo en anglais)

camunda-claim-triage

Quand un modèle d’IA lit une réclamation d’assurance, qui décide? Ici, une personne. La réclamation arrive en texte libre; le modèle en extrait les détails, un code ordinaire les vérifie, et une personne approuve ou refuse avant que quoi que ce soit soit payé ou envoyé. Dans la vidéo, une réclamation cache une instruction qui demande 50 000 et sa propre approbation. Le modèle inscrit 640, note qu’il a ignoré l’instruction, et n’a de toute façon aucun pouvoir d’approuver.

Une démonstration sur des réclamations synthétiques, construite sur Camunda 8. Construit avec Claude Code sous ma direction.

  • 1étape fait appel à un modèle d’IA; un code ordinaire et une personne font le reste
  • 0approbation possible par le modèle
  • 3issues testées de bout en bout, avec un substitut à l’étape d’IA : approuvée, refusée, confiée à une personne

Ma façon de travailler

Je travaille à distance ou sur place, en français ou en anglais, sur des mandats de toute envergure.

Mes racines

J’ai toujours dit que mon père ne ressemble à personne. Il s’accorde très peu de loisirs et pense toujours au travail ou à sa famille. Aussi loin que je me souvienne, il était toujours occupé à quelque chose. Il travaillait sans arrêt.

Il a pris sa retraite vers l’année de ma naissance, mais il n’a jamais cessé de travailler. Il m’a appris la charpenterie et j’ai travaillé à ses côtés. Le voir travailler autant m’a inspiré, et je le considère aujourd’hui comme un modèle. Il m’a transmis son amour du travail.

Bâtir pour les générations futures. Lui a bâti des maisons; moi, je conçois des logiciels d’automatisation qui redonnent aux gens leur temps. Dans les deux cas, il s’agit d’avoir un impact positif par un travail acharné.

Me joindre

Pour discuter d’un projet ou d’un problème, écrivez-moi.

mikael.hp@monelomanagement.com