Alhussein Jamil — Ingénieur systèmes IA

// couche_00 · signal

À propos

Systèmes IA, robotique et logiciel au contact du matériel.

Alhussein Jamil

Ingénieur systèmes IA

Paris, France

Ces jours-ci chez Arago, je travaille sur la couche logicielle qui fait parler PyTorch avec un accélérateur IA photonique. En pratique : chemins backend, runtimes, mouvements mémoire, queues de commandes, sérialisation des launches, et tout le câblage côté firmware qui transforme du matériel très spécial en quelque chose qu'on peut vraiment lancer.

Avant ça, j'ai aidé des exosquelettes à prendre de meilleures habitudes de marche avec du reinforcement learning chez Wandercraft, puis des systèmes robotiques à mieux comprendre ce qu'ils voyaient grâce à la vision par ordinateur chez EyePick. Côté formation : IA et systèmes intelligents à l'École polytechnique et Sorbonne Université.

Je suis le plus heureux quand le code doit négocier avec le réel : matériel capricieux, physique, humains, latence, hypothèses qui explosent, tout le cirque. Oui, je vibe code aussi. Mais promis, je savais coder avant que l'IA devienne la réponse à toutes les questions.

Langues: Français (Bilingue) · Arabe (levantin) (Langue maternelle) · Anglais (Bilingue) · Espagnol (Intermédiaire) · Centres d’intérêt: MMA, Énigmes, Violon, Escalade

// couches_cachées · expérience

Là où le signal s'est affiné

Accélérateurs, robotique, vision par ordinateur, et produits sortis du notebook.

Arago · Paris

Backend device PyTorch/ATen pour un accélérateur IA photonique : noyaux custom, exécution de graphes et intégration framework.
Runtime et dispatch pour partitionner les graphes entre devices, gérer l'allocation rapide, les mouvements peer, la sérialisation des paramètres et les queues concurrentes.
Exécution côté firmware : un coeur de contrôle décompose des régions compilées ou des noeuds isolés en graphes primitifs device exécutés sur coeurs mono et points de synchronisation.
Intégration bas niveau hardware/software : émission ISA custom, interfaces driver, setup device, simulation et validation.

Problème: La multiplication matricielle sur matériel photonique est une charge importante, mais Arago construit un système accélérateur IA complet : matériel, runtime, intégration PyTorch, mouvements mémoire, dispatch firmware, exécution noyau et orchestration multi-device. Côté développeur, ça doit rester du PyTorch normal.
Construit: La couche logicielle entre PyTorch et le silicium custom — abaissement compilateur, runtime host, chemins driver, allocation rapide, mouvements device-to-device, sérialisation des paramètres de lancement, queues de commandes et dispatch côté firmware sur les coeurs mono.
Le dur: Une ergonomie proche de CUDA pendant que des régions de graphe ou des noeuds isolés sont placés sur les devices, chaque launch est décomposé en graphe primitif device, les coeurs mono se coordonnent via un tissu de calcul partagé par device, et les événements signalent la readiness des tenseurs au framework.

PyTorchRuntimeFirmwareAccelerators

GitHub ↗

01

Graphe de calcul PyTorch

DAG de dépendances ATen vraiment en forme de graphe
Les arêtes tenseurs guident le placement
Des régions exécutables sont choisies pour l'accélérateur

02

Compilateur + runtime host

01 Abaisser le graphe

02 Placer le travail

03 Plan launches + transferts

03

Exécution par device

sous-graphe A

Device 0

launch -> DAG primitif

Sessions d'exécution

queue 0 queue 1 queue 2

Graphe primitif device

Coeur contrôle

Unité de calcul laser

Sync + événements device

PCIe / interconnect device

sous-graphe B

Device 1

noeud ou région -> DAG primitif

Sessions d'exécution

queue 0 queue 1 queue 2

Graphe primitif device

Coeur contrôle

Unité de calcul laser

Sync + événements device

Schéma conceptuel — termes publics génériques uniquement.

EyePick · Paris

Pipelines de vision par ordinateur pour l'automatisation robotique en temps réel (industrie, agriculture, culinaire).
Systèmes de détection d'anomalies et de classification basés sur l'image pour le contrôle qualité.
Adaptation de modèles basés sur ResNet comme alternative aux pipelines YOLO en raison de contraintes de licence.

Wandercraft · Paris

Politiques de contrôle RL pour le robot bipède Cassie et l'exosquelette Eve.
NVIDIA Isaac Gym et Ray RLlib pour la simulation parallèle et l'entraînement distribué.
Transfert sim-to-real : apprentissage par imitation, adaptation de domaine, adaptation visuelle.

Poppins (anciennement Mila) · Paris

Algorithme de difficulté adaptative pour un jeu thérapeutique destiné aux enfants dyslexiques.
Clustering et métriques de jeu pour ajuster la difficulté dynamiquement.
Contribution au développement algorithmique et à l'intégration côté jeu.

// poids · boîte_outils

La boîte à outils

Langages, systèmes, formation, enseignement, et ce qui sert encore.

Programmation

Python
C++
C
OCaml
Java
C#
SQL

Systèmes d'IA

Exécution PyTorch
Abaissement de graphes
Conception de runtime
ISA sur mesure
Noyaux
Multi-cœurs

Machine Learning

Vision par ordinateur
Apprentissage par renforcement
Apprentissage par imitation
Sim-to-real
Déploiement

Robotique

NVIDIA Isaac Gym
Ray RLlib
Contrôle robotique
Automatisation industrielle
Interfaces VR

Outils

Linux
Git
Docker
Débogage
Intégration HW/SW

FORMATION

École polytechnique

Diplôme d'Ingénieur — Équivalent Master · 2020 — 2024
Sorbonne Université — UPMC

Master 2 — Systèmes Intelligents · 2023 — 2024
Lycées Louis-le-Grand & Buffon

CPGE — MPSI → MP* · 2018 — 2020

ENSEIGNEMENT

Master X-HEC

Intervenant invité en machine learning pour les étudiants en master.
Lycée Saint-Louis

Examinateur oral (colleur) en mathématiques pour les étudiants en CPGE.

LANGUES & LOISIRS

Français bilingue · Arabe (levantin) langue maternelle · Anglais bilingue · Espagnol intermédiaire

MMA
Énigmes
Violon
Escalade

// propagation · travaux

Projets

Projets perso avec démos — RL, jeux, VR, géométrie, et des trucs qu'on peut vraiment ouvrir.

Problème: Apprendre à un bipède Cassie à marcher en simulation sans récompenser des astuces fragiles.
Construit: Pipeline Ray RLlib, simulation MuJoCo et export de politique pour la locomotion type Cassie.
Le dur: RL distribué où le score peut monter pendant que la marche reste visiblement mauvaise.

/ droprl · cassie · signaux debug RL synchronisés à la vidéo t = 0.0s

/ droprl · snake-v0 · agent IA iter 0 · récompense 0.0 · score 0

★ étoile · politique π

Problème: Mener une expérience de psychophysique où une caresse virtuelle reste liée à un vrai setup robotique.
Construit: Scène VR Unity avec contrôle du bras Franka Emika via Redis, calibration du hand tracking et notation agréabilité/intensité dans le casque.
Le dur: Garder rendu VR, matériel Franka/haptique et capture des réponses synchronisés sans casser l'immersion.

Unity · VR · Franka Emika · Redis · Hand tracking

Simulation tactile

Simulation du toucher affectif

Caresser au pinceau sur une main virtuelle — stimulus central de l'expérience.

Protocole & interface

Calibration

Calibration du hand tracking

Le participant confirme les poses et suit un compte à rebours avant les essais.

Notation in-VR

Interface agréabilité & intensité

Curseurs ajustés entièrement en VR — pas de retrait du casque entre les essais.

Problème: Construire un prototype jouable pour observer comment des enfants avec TDAH passent de l'exploration à l'exploitation.
Construit: Hub Unity avec quatre mini-jeux puzzle, salles pixel-art, fog-of-war, logique de grille et puzzles physiques.
Le dur: ~200 heures solo : boucle de jeu, level design, mécaniques, lumières et build pour tests utilisateurs.

Hub & sélection de niveau

Temple hub avec statues repères et portails vers chaque mini-jeu.

Développement solo · ~200 heures · conçu pour des tests avec enfants TDAH

4 mini-jeux

Puzzle de caisses colorées

Sokoban sur grille : pousser les caisses sur les dalles de la même couleur.

Pont fragile

Caisses numérotées indiquent combien de cases peuvent être traversées avant l'effondrement.

Glace & pièges

Glissement sans friction avec pics entre le départ et l'objectif.

Labyrinthe à lampe

Labyrinthe circulaire en fog-of-war — seules les cases proches restent visibles.

Problème: Implémenter un jeu de plateau complet avec un adversaire IA compétent.
Construit: Règles complètes en Pygame avec bot Minimax.
Le dur: Génération de coups et profondeur de recherche sur les phases placement, déplacement et vol.

/ noine · jeu du moulin · minimax ·

cliquez un point · formez un moulin pour capturer

version Pygame originale

Plateau Noine en milieu de partie — Milieu de partie

Plateau Noine pendant un moulin — Phase moulins

Problème: Calculer efficacement des distances de transport optimal sur grilles et maillages.
Construit: Implémentation Python des distances de Wasserstein convolutives (Solomon et al., SIGGRAPH 2015).
Le dur: Calcul de distance sur domaines structurés sans matérialiser toute la matrice de coût.

Démos de barycentres

Morphing de formes 2D

Des points se transforment en étoile via un barycentre de Wasserstein convolutif sur une grille 2D.

Morphing d'images RGB

Barycentres par canal qui mélangent deux photos couleur en préservant la structure de masse.

Morphing voxel 3D

Dinosaure et double tore voxelisés interpolés par un barycentre convolutif 3D légèrement lissé.

Transport sur surface

Gaussiennes à noyau de chaleur sur un tore — 13 étapes discrètes où la masse se répand puis se reforme.

// espace_latent · projets

Quêtes secondaires sérieuses

Petits repos — des idées poussées jusqu'au bout, sans les habiller en produits.

Transformers

ViT — patches courbe de Hilbert

Vision Transformer avec ordonnancement des patches le long d'une courbe de Hilbert.

NMT · PyTorch

NMT attention Bahdanau

Réimplémentation from-scratch de la traduction neuronale à attention.

Audio · U-Net

Séparation de sources audio U-Net

Séparation de sources par masques à partir de spectrogrammes.

RL · Env

Environnement d'échecs RL

Règles d'échecs complètes et API d'état pour le self-play RL.

// rendu · première_obsession

Créations 3D

Expériences 3ds Max, de 10 à 15 ans.

Enfant, j'étais fasciné par Pixar — les mondes, les personnages, la lumière. Je voulais créer des choses comme ça, alors vers 10 ans j'ai commencé à apprendre 3ds Max en hobby et j'y suis resté jusqu'à environ 15 ans : intérieurs, personnages, petites scènes comme celles ci-dessous. Je n'en ai pas fait un métier, mais c'était ma première longue obsession pour construire quelque chose à partir de rien à l'écran.