07 / ML Engineering

Equicares

J’ai construit un SaaS de gestion équestre, du frontend au backend, avec une analyse exploratoire de la pose du cavalier par YOLO.

Application et intégration MLSaaS + Computer Vision
STACKFull stack / YOLO / Computer Vision / Product
Détection de pose du cheval et du cavalier dans Equicares

01

Le problème

Créer et suivre des séances équestres dans une application métier, puis restituer des observations de posture à partir d’images. Détecter des points articulaires ne suffit pas : il faut les présenter dans un parcours compréhensible et évaluer les indications données au cavalier.

02

Mon rôle

J’ai conçu les parcours de gestion et développé le frontend et le backend du SaaS. J’ai intégré YOLO pour l’analyse de pose et exploré la restitution des angles et des indications de position.

03

Contraintes

  • Relier les choix techniques aux besoins du domaine équestre.
  • Construire l’application complète, avec ses interactions métier.
  • Transformer une sortie de modèle en information utile pour l’utilisateur.
  • Distinguer les fonctionnalités réalisées des pistes exploratoires.

04

Architecture & pipeline

Schéma de principe
  1. Concevoir et développer l’application web de gestion.
  2. Intégrer YOLO pour analyser la pose du cavalier à partir d’une image.
  3. Explorer une restitution de la posture et des indications de position.
  4. Étudier l’usage de LLM pour interpréter les résultats et proposer conseils ou exercices.

05

Choix & itérations

J’ai construit les parcours de création et de suivi des séances avant d’y intégrer l’analyse d’image.

Les points détectés par YOLO servent à calculer et visualiser des angles de posture ; la qualité des indications doit être évaluée séparément de la détection.

L’interprétation par LLM et la génération de conseils ou d’exercices restent des pistes exploratoires, sans validation pour un usage réel.

06

Résultats & limites

Une application de gestion équestre développée de bout en bout, avec création et suivi de séances.

Une analyse exploratoire de la pose du cavalier avec YOLO et une visualisation des angles à partir des points détectés.

Les indications de posture restent à évaluer. Les recommandations par LLM et la génération d’exercices ne sont pas des fonctionnalités validées.

07

Prochaines itérations

Documenter les usages et les limites de l’analyse de posture. Évaluer la qualité des restitutions avant d’élargir les fonctions de conseil.

08

En images

Le parcours mobile pour créer une séance et renseigner les observations.
Analyse exploratoire des angles et de la posture du cavalier
Exploration du retour de posture à partir des points détectés. Les conseils restent à évaluer.

Autres projets

Disponible pour missions freelance

Un prototype ML à fiabiliser ?

Décrivez les erreurs observées, les données disponibles et vos contraintes de déploiement. Nous définirons les prochaines étapes et les résultats à mesurer.

Contactez-moiSaint-Étienne · Lyon · Remote · Disponible en freelance · sur devis