Florent Daudens

Contenu | Innovation | Gestion

Passionné par l'intelligence artificielle et les changements technologiques, féru d'actualité et animé par le contact avec les autres, je contribue à la croissance et à la transformation numérique de grands médias depuis plus de 15 ans.


Parcours

Je suis directeur de la cueillette et du déploiement des nouvelles nationales et internationales à Radio-Canada, ce qui veut dire que je m'occupe des cinq bureaux à l'étranger, des bureaux parlementaires à Québec et à Ottawa et des journalistes de l'actualité quotidienne à Montréal.

Auparavant, j'ai été directeur de l'information au Devoir, où nous avons effectué tous ensemble une transformation numérique en profondeur. Mes actions ont notamment porté sur l'encadrement des équipes éditoriales, la création d'équipes spécialisées en vidéo et en visualisation de données, le lancement de nombreux produits (applications, infolettres, couvertures électorales...), le développement de nouveaux secteurs de couverture et la conception de projets en intelligence artificielle.

En parallèle, j'ai le plaisir d'enseigner le journalisme numérique au DESS en journalisme à l'Université de Montréal. Je m'implique dans le développement de notre profession avec au fil des ans des participations au c.a. de la FPJQ et du magazine Trente, des groupes comme Hacks/Hackers Montréal, etc. Je suis aussi passé par La Presse, Rue89, France3 et la Fédération des journalistes du Québec.

Pour consulter mon c.v., c'est par ici.


Projets

La gazette de l'IA

Pour tester les capacités de codage de ChatGPT, j'ai créé un programme pour me tenir au courant des derniers développements en IA seulement en interagissant avec lui.

Un projet en Python avec FeedParser et l'API d'OpenAI, déployé sur AWS pour l'automatisation. Résultat : un courriel tous les matins à 8 h qui agrège et résume avec text-davinci-003 les articles des dernières 24 h dans le domaine de l'IA. Plus de détails dans ce post.

🤖🗳️ Résultatbot, le robot des résultats électoraux

Trois objectifs pour ce projet :

  • Tester les capacités des grands modèles de langage à interagir avec des données chiffrées
  • Évaluer l'efficacité des agents à raisonner pour répondre à une question
  • Enregistrer les interactions des utilisateurs pour améliorer les prompts et éventuellement fine-tuner un modèle.

Pour ceux qui aiment regarder sous le capot, j’ai testé plusieurs solutions. La configuration finale repose sur un agent Pandas de LangChain, GPT-4 pour le modèle de langage, Langsmith pour le suivi des interactions et Streamlit pour le déploiement.

Pour essayer l'outil, c'est ici. Plus de détails sur ce projet dans ce post.


Certificats

Intelligence artificielle
  • LangChain for LLM Application Development - DeepLearning.AI
  • ChatGPT Prompt Engineering for Developers - DeepLearning.AI
  • AI For Everyone - Coursera

visualisation de données
  • Data Visualization and Infographics with D3 - Knight Center
  • Doing Journalism with Data - European Journalism Center
  • QGIS - Knight Center