Conseil en IA, Vision par Ordinateur, Aérospatiale & Startups

Master of Engineering avec mention First Class Honours en ingénierie aéronautique de l’Imperial College London, lauréat du Centenary Prize et du Project Merit Prize pour la meilleure thèse aérospatiale. Recherche de cycle supérieur en apprentissage automatique, vision par ordinateur et apprentissage profond à Carnegie Mellon University (GPA 4.0 / 4.0).

Fondateur et CTO de Spacept (soutenu par ESA BIC Suède, Katapult et Antler), déployant la vision par ordinateur satellitaire pour les infrastructures critiques en Europe. Aujourd’hui, Sergiu accompagne directement les fondateurs deep-tech comme Conseiller Startup et CTO à temps partagé, et assiste les fonds de capital-risque dans leurs audits de due diligence technique en IA, vision par ordinateur et aérospatiale.

Les gestionnaires de réseaux électriques dépensent plus de 1 000 $ par kilomètre en relevés LiDAR par hélicoptère pour empêcher la chute d’arbres sur les lignes à haute tension et prévenir les feux de forêt. Les inspections manuelles sont lentes, risquées et coûteuses à grande échelle.

Conception d’un pipeline complet de vision satellitaire traitant l’imagerie haute résolution (Airbus Pléiades, Maxar, Sentinel). Invention et brevet de la méthode Spacept Umbra, combinant la segmentation par apprentissage profond et la géométrie des éphémérides solaires pour mesurer la hauteur 3D des arbres et les risques de chute directement à partir des ombres portées, sans LiDAR aéroporté.

• 1 400+ km Audités Commercialement (TRL 7) : Déployé sur les réseaux en France, en Suède et en Australie avec Enedis, Sterblue, Vattenfall et Neara.
• >88 % de Précision Validée sur le Terrain : Précision verticale de ±1,2 m et moins de 10 % de faux positifs par rapport aux relevés laser au sol.
• Intégration SIG Entreprise : Génération automatisée de cartes de risques végétaux et d’ordres de maintenance directement dans les systèmes de gestion d’actifs.

Transposer les modèles académiques de vision par ordinateur et d’apprentissage automatique en logiciels fiables opérant sous contraintes réelles — des missions spatiales isolées à la surveillance environnementale et au stockage d’énergie.

Conception et entraînement d’architectures de vision par ordinateur (CNN et Transformers) et de pipelines d’apprentissage automatique informés par la physique, adaptés aux capteurs optiques, infrarouges et séries temporelles bruitées.

• Vision par Ordinateur pour la Santé Mentale Spatiale (Sensian) : Développement d’un logiciel de suivi en temps réel des points caractéristiques du visage et des micro-expressions pour suivre le bien-être psychologique des équipages lors de missions spatiales de longue durée.
• Détection & Suivi des Feux de Forêt par Vision : Modèles de vision optique et multispectrale pour détecter les départs de feux précoces et cartographier leur propagation.
• ML Prédictif Batteries & Solaire : Modèles développés à Carnegie Mellon pour prédire la dégradation de durée de vie des batteries lithium-ion dès les premiers cycles et prévoir la production photovoltaïque.

Définir les architectures d’autonomie opérationnelle pour le programme aérien de combat Royaume-Uni / Japon / Italie (GCAP / Tempest), en particulier la perception des menaces et la coordination des aéronefs autonomes (« Loyal Wingmen ») sous guerre électronique intense.

Conseil auprès de l’équipe BAE Systems Future Concepts & Strategy (via Outsmart Insights). Élaboration de la logique de gestion de mission autonome et des architectures de vision multispectrale et de fusion de capteurs (optique/infrarouge, radar et guerre électronique) pour calcul embarqué.

• Coordination d’Essaim Résiliente : Protocoles de contrôle distribué permettant aux ailiers autonomes de réallouer dynamiquement leurs tâches en cas de brouillage des communications.
• Fusion Passive EO/IR & Multi-Capteurs : Pipelines de perception optique, infrarouge et radar à faible émission pour maintenir le suivi de cibles sans révéler la position de l’aéronef.
• Certification Critique de Vol : Application des cadres DO-178C (DAL A/B) et ARP4754A pour encadrer et vérifier la prise de décision autonome embarquée.

Les fondateurs en phase d’amorçage et de croissance ont besoin d’un leadership technique expérimenté pour transformer leur R&D en produits commerciaux et lever des fonds, tandis que les fonds d’investissement recherchent un expert indépendant pour vérifier la solidité réelle de la technologie avant d’investir.

Allie l’expérience directe de création et de croissance de startup (Spacept via ESA BIC, Katapult et Antler) à des audits approfondis du code, des modèles et du matériel en IA, vision par ordinateur et systèmes aérospatiaux.

• Conseiller Startup & CTO à Temps Partagé : Accompagne les fondateurs sur l’architecture de vision par ordinateur et d’IA, le recrutement d’ingénieurs, les pilotes clients et la préparation aux levées de fonds Seed à Série B.
• Propriété Intellectuelle Réelle vs Wrappers API : Audit du code source, des jeux de données d’entraînement et des performances de modèles pour distinguer la vraie PI des simples surcouches logicielles.
• Vérification TRL Aérospatiale & Dual-Use : Évaluation du matériel de vol, des piles d’autonomie et des coûts unitaires (TRL 1–9) pour sécuriser les comités d’investissement.