Université Téluq Montréal, QC
Développement d’un pipeline multi-agents (Python, Flask) compressant automatiquement des cours en 4 formats : résumé texte (Groq/LLM), transcription (Whisper), audio (FFmpeg) et animations mathématiques (Manim). Évaluation automatisée de la qualité des sorties via BERTScore (résumé), VMAF/MSSIM (vidéo) et PESQ, complétée par une notation humaine MOS collectée en interface. Prédiction de la qualité réseau en temps réel avec un modèle LSTM (TensorFlow.js) déployé dans le navigateur, recommandant proactivement le format de contenu adapté à la connectivité. Apprentissage continu à double boucle : fine-tuning personnel sur l’appareil (localStorage) et fine-tuning collectif côté serveur (Python, tf keras), avec prédiction hybride pondérée entre modèle global et modèle personnel. Déploiement d’un système multi-agents complet avec cinq interfaces (HTML/CSS/JS, Flask) : professeur, étudiant, carte réseau (Leaflet.js), eval et simulation, conçu pour fonctionner en contexte de faible connectivité mobile.