LABO PRODUITS IA · INGÉNIERIE DE PLATEFORME

Je transforme les modèles en systèmes opérationnels.

CTO chez Of Them All et fondateur d'Illuma. Je construis des workflows d'IA, des modèles de niche et des infrastructures de plateforme pour les domaines où le jugement, la latence et la confiance sont cruciaux.

Projet actuel
Workflows audio IA + juridique
Base opérationnelle
Porto, Portugal
Domaines d'expertise
Paiements, marketplaces, plateformes ML
Miguel Enes
Miguel Enes
Workflows d'agents
Automatisation des tâches de production avec des systèmes guidés par modèle.
IA Juridique
Développement d'Illuma pour les preuves, mémoires et l'analyse de dossiers.
Cœurs de plateforme
Architecture pour le trafic, les paiements, les équipes et les opérations.
Bilan opérationnel
17+
Profondeur d'ingénierie

années à transformer l'ambiguïté en systèmes de production

6
Échelle internationale

marchés en Asie et en Europe avec des contraintes opérationnelles différentes

100+
Effet de levier sur les équipes

ingénieurs recrutés, coachés ou mentorés au sein d'équipes distribuées

30s
Preuve d'automatisation

workflow de mixage audio assisté par IA, réduit de 15 minutes manuelles

THÈSE OPÉRATIONNELLE

Une IA utile n'est pas une fonctionnalité. C'est un système de production avec des preuves, un workflow et une responsabilité associés.

J'ai bâti des infrastructures de paiement et de marketplace lorsque la disponibilité, la fraude, la conformité et des millions de transactions quotidiennes étaient au cœur du produit. Cette capacité opérationnelle façonne désormais ma manière de construire des systèmes d'IA.

Le schéma est constant : identifier le goulot d'étranglement de l'expert, modéliser le chemin de décision, câbler la couche de données, puis renforcer le workflow jusqu'à ce qu'une équipe puisse lui faire confiance en production.

MES LEVIERS DE CRÉATION DE VALEUR
Workflow IA
Agents, récupération d'informations, points de validation et qualité de sortie mesurable.
Cœur de plateforme
Paiements, files d'attente, observabilité et systèmes tolérant le trafic.
Système d'équipe
Recrutement, mentorat, cadence de livraison et hygiène des décisions techniques.
Récit d'entreprise
Architecture produit dans laquelle les investisseurs, les opérateurs et les ingénieurs peuvent croire.
LAB CAPABILITIES

Practical AI, wired into the systems that make it useful.

The work is not just prompting a model. It is designing the data path, product loop, delivery system, and operating cadence around it.

From demo agent to production workflow

Agentic workflow design

I turn repetitive expert work into supervised AI workflows: tool calling, review gates, retrieval, and measurable human-in-the-loop throughput.

Legal, media, and operations data

RAG and model adaptation

Domain corpora, embeddings, retrieval strategy, prompt contracts, evaluation loops, and targeted fine-tuning when the base model is not enough.

Scale before heroics

Platform architecture

Architecture for systems that must keep moving: payments, marketplaces, automation backplanes, queues, observability, and deployment paths.

Teams that ship without chaos

Engineering operating system

Hiring, coaching, SDLC, delivery cadence, incident habits, and the technical narrative needed when teams and products need to mature fast.

MÉTHODE DE CONSTRUCTION

De la possibilité du modèle à l'habitude opérationnelle.

Je privilégie les boucles courtes, le risque visible et les systèmes fonctionnels aux longues feuilles de route spéculatives.

01

Cartographier le goulot d'étranglement

Identifier où le jugement d'expert, la latence ou les décisions répétées limitent la croissance.

02

Prototyper la boucle

Construire le chemin le plus simple (modèle + données + interface) qui peut prouver une tâche utile.

03

Fiabiliser le système

Ajouter la récupération d'informations, l'évaluation, les permissions, l'observabilité et la révision humaine là où le risque l'exige.

04

Intégrer l'habitude

Transformer le workflow en un comportement d'équipe avec des métriques, une appropriation et une cadence d'itération.

SYSTEM STACK

AI systems are layered products.

The useful work happens where models, data, product logic, and operational discipline meet.

Model layer

LLMs, Gemini, prompt contracts, evaluation sets, fine-tuning, agent behavior, and task decomposition.

  • LLMs
  • Agent workflows
  • Fine-tuning
  • Prompt engineering
  • Model evaluation

Knowledge layer

The retrieval and memory plane that keeps AI grounded in product, legal, media, or operational context.

  • RAG pipelines
  • Embeddings
  • Vector search
  • PostgreSQL
  • Meilisearch

Application layer

The product systems where AI meets users, permissions, payments, workflows, and business-critical state.

  • Laravel
  • TypeScript
  • Cloudflare Workers
  • Microservices
  • Payment systems

Operations layer

The delivery environment: CI/CD, containers, observability, incident loops, and teams that own production.

  • Docker
  • Kubernetes
  • AWS
  • Linux
  • GitHub Actions
BILAN D'EXPÉRIENCE

Preuves de carrière sur les marketplaces, les paiements, les plateformes ML et la gestion d'équipes.

Développez chaque ligne pour découvrir les preuves, les faits marquants et les technologies utilisées pour chaque rôle.

TÉMOIGNAGES

Ceux qui ont vu le système opérationnel de près.

Operator proof1/12
Miguel Garcia

Having worked 10 years ago and again hiring Miguel to work closely with me for the past 4 years tells a lot about how much trust and respect I have for him. Miguel Enes has a very entrepreneurial mindset that always sets him to find solutions and to move organisations forward. He does that relying on his profound and complete tech knowledge and on-hands experience, leading by example/execution and supporting his team along the way. I highly recommend him as an autonomous, energiser, tech-savvy and delivery oriented Engineering Manager.

Miguel Garcia·General Manager & VP of Technology, New Work SE
Managed Miguel directly
+4
SUJETS EN COURS

Faites appel à moi quand le prototype doit devenir un système.

Conversations utiles : développement de workflows IA, systèmes legal-tech, architecture de marketplace/plateforme, leadership en ingénierie et stratégie technique pour les équipes de startups.