IA Strasbourg (ex Deep Learning)

Meetup co-organisé avec EdTech Grand Est
⠀⠀
⠀
🟡 Santé mentale, formation & IA générative.
Qui ne s'est pas senti anxieux, noyé, dépassé face à une masse de travail que les nouveaux outils permettent d'abattre ? Quels risques pour notre santé mentale ? Comment y faire face ?
⠀
🟠 Nous écouterons sur ces questions Florian Keck, intervenant à Epitech, qui accompagne une génération éduquée à reléguer ses émotions derrière une solidité de façade. Son pari : l'énergie dépensée à les contenir est mieux employée à apprendre à se connaître par leur prisme, ce qui donne une stabilité réelle, des fondations solides et un environnement plus sain.
⠀
Il s'appuie sur des outils de stimulation de la réflexion, l'intelligence émotionnelle et l'analyse transactionnelle, une théorie de la communication élaborée par Éric Berne, qui lit les échanges entre deux personnes à travers trois états du moi : Parent, Adulte, Enfant.
⠀
------------- English -------------
⠀
🟡 Mental Health, Training & Generative AI
Who hasn't felt anxious, overwhelmed or out of their depth when faced with the sheer volume of work that new tools now make possible? What are the risks to our mental health? And how can we cope with them?
⠀
🟠 To explore these questions, we will hear from Florian Keck, a lecturer at Epitech, who works with a generation that has been taught to push emotions aside and maintain an outward appearance of strength.
His approach is based on a simple belief: rather than spending energy suppressing our emotions, we would be better off using them as a way to understand ourselves. This leads to genuine emotional stability, stronger foundations and a healthier environment.
⠀
His work draws on tools designed to stimulate reflection, emotional intelligence and transactional analysis — a communication theory developed by Eric Berne, which interprets interactions between two people through three ego states: Parent, Adult and Child.

English version below
⠀
Speaker : Eden Kharoub, Data Scientist chez Agora Calycé
⠀
Déployer une IA souveraine sur Kubernetes
⠀
58 % des employés utilisent déjà l'IA au travail (Stanford HAI, AI Index 2026), mais peu d'équipes savent l'héberger correctement en gardant la main sur leurs données.
⠀
Déployer un LLM en interne ne s'arrête pas au lancement du modèle : GPU, coûts, latence et confidentialité deviennent les vrais sujets. On partage avec vous les choix d'architecture qui ont tenu, les arbitrages de coût, et ce que l'observabilité apporte pour garder la maîtrise de son IA, de l'inférence jusqu'à l'infrastructure.
⠀
Plan

1. Le contexte : adoption de l'IA, tensions entre confidentialité et vitesse
2. Contraintes et architecture : le gateway comme véritable produit de contrôle
3. Coût et capacité : TCO, payback, stress test à 40 utilisateurs
4. Conclusion + démo live : avec la possibilité de tester en live !

⠀
-------------- English version --------------
⠀
Deploying Sovereign AI on Kubernetes
⠀
58% of employees already use AI at work (Stanford HAI, AI Index 2026), yet few teams know how to host it properly while retaining control of their data.
⠀
Deploying an LLM in-house goes beyond getting the model up and running: GPUs, costs, latency, and data privacy become the real challenges. We'll share the architectural choices that held up in practice, the cost trade-offs, and how observability helps you stay in control of your AI stack, from inference to infrastructure.
⠀
Agenda

1. Context: AI adoption and the tension between privacy and speed
2. Constraints and architecture: the gateway as a fully fledged control layer
3. Cost and capacity: TCO, payback period, and a 40-user stress test
4. Wrap-up + live demo: with a chance to try it out live!