Jeanne Sauron

Portfolio AI Product Builder · Project Manager

E-commerce · IA · Full-stack

Benchmark IA — cadrage projet e-commerce B2B

  • RAG pgvector
  • Scoring LLM
  • Cadrage B2B
  • Ruby on Rails

Outil de pré-cadrage pour projets e-commerce B2B : l’utilisateur décrit un profil client (secteur, ERP, CRM, budget, besoins fonctionnels) et obtient un classement des solutions adaptées, scoré par IA à partir d’une base documentaire indexée (docs éditeurs, retours intégrateurs, comparatifs analystes).

  • Recherche vectorielle (pgvector) sur un corpus de documents e-commerce, découverte dynamique des solutions pertinentes
  • Scoring par critère (maturité B2B, PIM, ERP, TTM, TCO) avec pondération ajustable et justifications sourcées
  • Recommandation rédigée automatiquement, citations des passages documentaires utilisés
  • Fallback déterministe si l’IA est indisponible — l’outil retourne toujours un résultat

Assistant Shopping — Agent IA e-commerce

  • LLM orchestration
  • Intent detection
  • Catalogue & stocks
  • Ruby on Rails

Copilote e-commerce connecté au catalogue, aux stocks et aux commandes (démo) : l’utilisateur pose une question en langage naturel et l’agent identifie l’intention, interroge les données métier, et formule une réponse ancrée sur des chiffres réels — pas de l’hallucination.

  • SAV & suivi de commande : statut colis, délais, historique — réponses basées sur les enregistrements, pas sur la mémoire du modèle
  • Conseil produit & panier : recommandations contextuelles, compléments cohérents, alertes rupture, tops de la semaine
  • Orchestration multi-intents : un seul fil de conversation gère suivi, recherche prix, dispo stock et merchandising
  • Fallback sans coupure : si le LLM plafonne, l’agent bascule sur des réponses heuristiques — jamais d’écran vide

Urban Assist

  • Ruby on Rails
  • PostgreSQL
  • LLM
  • DVF

Assistant IA pour analyser le marché immobilier français. Posez vos questions en langage naturel, obtenez des réponses basées sur les données DVF réelles.

  • Requêtes en langage naturel : le modèle délègue la recherche de communes et de statistiques à des outils branchés sur PostgreSQL (données DVF)
  • Historique de conversation, favoris et notes par commune pour un usage type « veille marché »
  • Réponses enrichies en markdown : tableaux, listes, synthèses lisibles — sans exposer de clés API côté client
  • Données de conversation liées à la session navigateur (démo sans compte)