Marketplace Explorez plus de 6 000 automatisations IA pour développer votre activité.

Plateforme de recherche vidéo par IA

Deeptech vidéo – Recherche autonome & pipelines vidéo

Plateforme R&D agentique automatisant expérimentation, évaluation et pipelines de génération vidéo-à-vidéo.

Étapes de recherche orchestrées

296

Tests historiques intégrés

Boucle de recherche autonome

De la veille scientifique aux pipelines vidéo évalués, en un seul cycle orchestré

Détails du projet

Client

Inevitable

Secteur

Deeptech vidéo – Recherche autonome & pipelines vidéo

Année

2026

Technologies clés

LangGraphXGBoostComfyUIFastAPI

Mission

Lead AI Product Engineer - Autonomous Research & Video Pipelines

Recherche autonome & pipelines vidéo

Full remote, France. Anglais.

Conception et développement d’une plateforme de recherche autonome pour la transformation vidéo-to-vidéo (rendu moteur 3D/jeu → vidéo photoréaliste). Orchestration d’un cycle de recherche itératif en 21 étapes via LangGraph, de la veille scientifique à l’exécution de pipelines vidéo, avec évaluation automatique et apprentissage continu. Intégration d’un moteur de recommandation ML (XGBoost + SHAP) pour suggérer des configurations optimales et produire des politiques explicables. Développement full-stack : front-end React 18 (workflows, dashboards, évaluation) et back-end FastAPI (orchestration, API REST, intégration multi-backend).

Contexte et environnement

Plateforme interne de R&D dédiée à l’automatisation du cycle complet de veille, expérimentation et capitalisation des apprentissages en vidéo-to-vidéo. Boucle autonome de recherche : hypothèse → scraping scholar → extraction de méthodes → planification → exécution → évaluation → apprentissage → raffinement. Pipeline existant intégré : wrapping d’un pipeline ComfyUI piloté par agents Claude (Builder Sonnet + Reviewer Opus), avec 296 tests historiques et learnings persistants.

Équipe

Lead AI Product Engineer – full-stack, ML et agents

Environnement

Full remote, France – React et FastAPI, agents LangGraph, pipeline vidéo ComfyUI sur Google Cloud

Objectifs clés

1Automatiser le cycle de recherche via une orchestration LangGraph en 21 étapes avec gates humaines optionnelles.

2Produire des recommandations ML-driven : génération de candidats, scoring XGBoost, ranking top-K et explications SHAP.

3Capitaliser les connaissances : extraction structurée depuis Google Scholar, knowledge records, politiques dérivées (hard bans, soft preferences, SHAP-derived).

4Évaluer en multi-critères : métriques automatiques (PSNR, SSIM, stabilité temporelle, flicker) et évaluation humaine subjective.

Technologies et infrastructure

React 18TypeScriptFastAPISQLAlchemyCeleryLangGraphLiteLLMClaudeXGBoostSHAPOptunaComfyUIOpenCVFFmpegPostgreSQLBigQueryRedisDockerGoogle Cloud

Prêt à obtenir des résultats similaires ?

Discutons de comment nous pouvons générer un impact mesurable pour votre organisation.

Autres études de cas

Découvrez comment nous générons des résultats dans tous les secteurs

Évaluation des compétences IA à grande échelle

Banking

Ontologie de compétences, évaluations massives, scoring ML et parcours de formation sur mesure.

Architecture IA pour l'automatisation des livrables

Rail Industry

Architecture data et IA automatisant production de livrables, contrôle qualité et traçabilité.

Veille technologique IA & revue de littérature

Insurance

Plateforme full-stack de veille technologique : analyse de sources, revue de littérature et benchmark IA.