Conseil Data, IA et Green IT.
Consultant belge indépendant — pour structurer, analyser et automatiser vos données, mettre l’IA au travail et gagner en sobriété. Performance technique et bonnes pratiques de conformité par défaut.
Data Engineering & Gouvernance
Structurer, fiabiliser et rendre exploitable votre patrimoine de données. Pipelines, modélisation, contrôles qualité et lignage — pour que vos données deviennent un actif fiable et partageable, en s'intégrant à votre existant plutôt qu'en le remplaçant.
Pour qui
Équipes confrontées à des données dispersées, à des problèmes de qualité ou de fiabilité, ou à une migration vers une plateforme plus moderne. Direction souhaitant remettre de l'ordre dans ses flux de données.
Méthodologie
Diagnostic de l'existant, conception itérative, intégration à votre socle actuel — pas de remplacement frontal, pas de big-bang. Les livrables sont testés et documentés au fil de l'eau.
Livrables
- Cartographie des sources et des flux (data lineage)
- Pipelines de données (ETL/ELT) robustes et documentés
- Modélisation et structuration des données
- Contrôles qualité automatisés (tests, alertes)
- Accompagnement à la migration, sans perte de données
- Outils rendus accessibles aux utilisateurs non techniques
Cas d'usage typiques
- Fiabiliser et unifier un patrimoine de données dispersé
- Mettre en place des contrôles qualité et un lignage de données
- Construire des pipelines qui alimentent la BI et les tableaux de bord
- Accompagner une migration de données en préservant l'intégrité
Stack & outils
- Python
- SQL
- dbt
- Apache Airflow
- Kestra
- Databricks
- BigQuery
- PostgreSQL
- Great Expectations
- Collibra
- Dataiku
- Docker
- Kubernetes
- AWS
- Azure
Intelligence Artificielle appliquée
Mettre l'IA au travail, concrètement. Conception et déploiement de solutions RAG, d'agents et d'intégrations sur mesure — usage, orchestration et optimisation de modèles existants, hébergeables en propre. L'objectif : des outils réellement utiles, pas des démonstrateurs qui dorment dans un notebook.
Pour qui
Organisations qui veulent exploiter l'IA générative sur leurs propres données et processus : copilote interne, recherche augmentée, agents et automatisations. Équipes qui veulent des usages fiables plutôt qu'un effet de mode.
Méthodologie
Prototype rapide sur un cas concret, itérations avec vous, puis déploiement pragmatique. Nous privilégions les modèles hébergeables en propre pour que vous gardiez le contrôle de vos données.
Livrables
- Copilotes et recherche augmentée (RAG) sur vos documents
- Agents IA et automatisations connectées à vos outils
- Intégrations MCP et mise à disposition d’outils aux modèles
- Prompt, contexte et « harness » engineering
- Déploiement de modèles auto-hébergés (open-weight)
- Cadrage des usages et bonnes pratiques
Cas d'usage typiques
- Copilote interne qui répond sur votre documentation
- Agent IA qui automatise une tâche métier répétitive
- Recherche augmentée sur un corpus de documents
- Déploiement d’un modèle en propre pour garder vos données
Stack & outils
- Python
- LangChain
- Hugging Face
- PyTorch
- Ollama
- llama.cpp
- RAG
- MCP
- CrewAI
- TypeScript
Audit & Cadrage Data / IA
Avant d'investir, savoir où vous en êtes. Un regard extérieur sur votre maturité data et IA, les opportunités concrètes et les risques — pour repartir avec une feuille de route claire et priorisée, plutôt qu'une intention floue.
Pour qui
Directions et équipes qui veulent savoir par où commencer, prioriser leurs chantiers data/IA, ou cadrer un projet avant de le lancer. Organisations soucieuses de leurs obligations RGPD et AI Act.
Méthodologie
Entretiens et revue de l'existant, restitution claire, accompagnement possible pour la mise en œuvre. Pas de chiffre inventé : ce qui est avancé est expliqué et justifié.
Livrables
- État des lieux de la maturité data et IA
- Opportunités priorisées (valeur × faisabilité)
- Feuille de route à court et moyen terme
- Points de vigilance RGPD et AI Act
- Pistes de sobriété et de maîtrise des coûts
Cas d'usage typiques
- Savoir par où commencer une démarche data ou IA
- Prioriser des chantiers et cadrer un budget
- Évaluer l'exposition RGPD / AI Act d'un projet
- Poser une feuille de route réaliste
Stack & outils
- RGPD (UE 2016/679)
- AI Act (UE 2024/1689)
- Directive NIS 2
- Bonnes pratiques data & IA
Formation & Acculturation IA
Aider vos équipes à utiliser l'IA au quotidien. Des formations orientées métier — comprendre l'IA, s'en servir concrètement, automatiser ses tâches — pensées pour des utilisateurs non techniques, pas pour des ingénieurs ML.
Pour qui
Équipes métier, managers et dirigeants qui veulent démystifier l'IA et gagner en autonomie : usages, prompts, copilotes, automatisation de tâches. Idéal pour amorcer l'adoption dans une organisation.
Méthodologie
Programme calibré sur votre contexte et vos cas réels. Sessions en présentiel à Bruxelles ou à distance, formats courts et concrets. On part de vos tâches quotidiennes, pas de slides génériques.
Livrables
- Sensibilisation dirigeants — enjeux, opportunités, AI Act
- Ateliers usages IA pour les équipes métier
- Prise en main des copilotes et bons réflexes (et limites)
- Automatisation de tâches concrètes du quotidien
- Support et ressources pour ancrer les acquis
Cas d'usage typiques
- Acculturer une équipe métier à l'IA générative
- Apprendre à automatiser des tâches répétitives
- Cadrer un usage responsable de l'IA (bases AI Act)
- Démystifier l’IA pour un comité de direction
Stack & outils
- Présentiel Bruxelles
- Distanciel
- Ateliers sur cas réels
- Orienté métier
- Automatisation no-code / low-code
Automatisation & Agents
Automatiser les tâches répétitives et chronophages — par des workflows, des agents IA et de l'orchestration. Libérer du temps sur ce qui a de la valeur, en automatisant seulement là où c'est mesurablement utile.
Pour qui
Équipes opérationnelles, finance, support ou RH qui perdent du temps sur des traitements manuels, et scale-ups qui veulent fiabiliser leurs processus sans alourdir leur organisation.
Méthodologie
Identification des candidats à l'automatisation (effort × impact), prototypage, déploiement progressif. Approche frugale : pas d'automatisation pour l'automatisation.
Livrables
- Identification des tâches à automatiser
- Workflows d'automatisation et d'orchestration
- Agents IA connectés à vos outils
- Documentation des flux mis en place
- Accompagnement à la prise en main
Cas d'usage typiques
- Automatiser une chaîne de traitement manuelle et répétitive
- Connecter plusieurs outils qui ne se parlent pas
- Mettre en place un agent IA de tri ou de pré-traitement
- Fiabiliser une réconciliation ou une ressaisie
Stack & outils
- Power Automate
- n8n
- Zapier
- Apache Airflow
- Agents LangChain
- CrewAI
- Python
- TypeScript
Cloud, Coûts & Sobriété
Des architectures cloud plus sobres et mieux maîtrisées. Analyse des coûts (FinOps), leviers de réduction de l'empreinte (Green IT) et frugalité par défaut — la performance sans le gaspillage.
Pour qui
Organisations dont les coûts cloud augmentent, équipes qui veulent maîtriser leur facture, et directions attentives à la sobriété numérique et à leurs objectifs ESG.
Méthodologie
Analyse des coûts et des usages, recommandations de right-sizing, identification des leviers de sobriété. Nous estimons l'empreinte et priorisons les optimisations réellement utiles.
Livrables
- Analyse des coûts cloud et recommandations de right-sizing
- Estimation de l'empreinte et leviers de réduction
- Bonnes pratiques de frugalité et de sobriété
- Recommandations de gouvernance cloud (tags, budgets, alertes)
- Pistes de souveraineté et d’hébergement adaptées à vos besoins
Cas d'usage typiques
- Réduire une facture cloud qui dérape
- Estimer et réduire l'empreinte d'une plateforme
- Mettre en place une gouvernance des coûts
- Choisir un hébergement adapté (souveraineté, coût, besoin)
Stack & outils
- Terraform
- Kubernetes
- AWS Cost Explorer
- GCP Billing
- Cloud Carbon Footprint
- Docker
Questions courantes
Réponses aux questions les plus fréquentes — délais, secteurs, conformité, hébergement, méthodologie.
Osyna, c’est une équipe ou une seule personne ?
Osyna est une startup indépendante portée par une personne — Irvin Heslan, data engineer basé à Bruxelles. Pour des besoins plus larges, je peux m'appuyer sur un réseau de confiance. Vous parlez donc directement à la personne qui réalise le travail.
Travaillez-vous avec des PME comme avec de grandes entreprises ?
Oui. Mon parcours s'est fait en grande entreprise (banque, énergie), mais l'approche est modulaire et s'adapte aussi bien à une PME ou une scale-up. On commence petit, sur un besoin concret, et on industrialise si ça a du sens.
Quels secteurs connaissez-vous ?
Principalement la banque et la finance, l'énergie, l'industrie, le retail et les services professionnels — les secteurs où j'ai réellement travaillé. Pour un secteur que je connais moins, je le dis, et on avance ensemble.
Prenez-vous en compte le RGPD et l’AI Act ?
Oui, comme bonnes pratiques intégrées à chaque projet : minimisation, hébergement adapté, points de vigilance AI Act. Je ne suis pas un cabinet de conformité juridique et ne certifie pas un système : j'intègre ces exigences dans la conception et je signale ce qui doit être approfondi avec un spécialiste.
Où sont hébergées les données ?
Je privilégie des hébergements européens et, quand c'est pertinent, des acteurs nationaux, ainsi que l'auto-hébergement pour que vous gardiez la maîtrise de vos données. Ce n'est pas une contrainte absolue : selon votre besoin, d'autres options (dont des clouds hors UE) restent possibles.
Combien de temps dure une mission ?
Cela dépend entièrement du besoin — de quelques jours pour un cadrage à plusieurs semaines pour un déploiement. Je préfère des étapes courtes avec des livrables concrets plutôt que d'annoncer des délais fixes qui ne veulent rien dire.
Quels outils et langages utilisez-vous ?
Surtout Python (data, IA, automatisation), SQL, et TypeScript pour le web. Côté data : dbt, Airflow, Kestra, Databricks, BigQuery, Great Expectations. Côté IA : RAG, agents, LangChain, Hugging Face, Ollama, llama.cpp. J'adapte la stack à votre existant. Rust, uniquement si une optimisation bas niveau très spécifique le justifie.
Aidez-vous mes équipes à devenir autonomes ?
Oui, c'est même un objectif — surtout pour les équipes métier, les profils juniors et le management. Le but est que vous puissiez faire tourner et faire évoluer ce qui est mis en place sans dépendre de moi en permanence.
Prêt à valoriser
vos données ?
Échangeons sur vos enjeux de transformation. Un premier échange, sans engagement, pour cadrer votre besoin et voir comment avancer.