EXPERTISE · TIMELINE

Notre trajectoire d'ingénierie
2003 → 2026

21 ans à construire des systèmes critiques — du firmware microcontrôleur à l'infrastructure LLM souveraine.

05 — ENGINEERING DNA

21 ans d'ingénierie.
Hardware → IA → Production.

Du circuit imprimé au LLM souverain — chaque couche maîtrisée en interne, aucune sous-traitée. Un seul interlocuteur technique qui comprend tout le stack.

FOUNDER — Ali Abdel Aziz
Curriculum Technique
21
ans
0
sous-traité
2003
Premier firmware industriel temps réel
C · RTOS · microcontrôleurs · interfaces capteurs
Expert
2007
Architecture hardware PCB & FPGA — export international
Altium · Xilinx · MIPI · électronique de puissance
Expert
2012
Pipelines vision par ordinateur haute fréquence
PyTorch · TensorRT · ONNX · CUDA · caméras IP
Expert
2016
Systèmes distribués & SaaS multi-tenant — Dubaï & Europe
Go · PostgreSQL · Kafka · K8s · AWS · microservices
Expert
2020
LLM souverain on-premise & fine-tuning — Maroc
Llama · Mistral · vLLM · LoRA · RAG · pgvector
Actif
2024
Agents autonomes multi-modaux & Agentic Orchestration
LangGraph · n8n · MCP · vision + LLM + action en boucle
2026
CAPABILITY STACK
exp. · niveau
Hardware Design
PCB · FPGA · MIPI
18 ans
Embedded Systems
C · RTOS · Bare-metal
18 ans
Computer Vision
PyTorch · TensorRT · ONNX
13 ans
Agentic AI / LLMOps
LangGraph · vLLM · LoRA
6 ans
RAG & Knowledge Bases
pgvector · Qdrant · Milvus
4 ans
Workflow Automation
n8n · Temporal · Prefect
5 ans
SaaS & API Backend
Go · Node · PostgreSQL
12 ans
Frontend & Edge UI
React 19 · Vite · Workers
10 ans
Cloud & Infrastructure
AWS · K8s · Terraform
14 ans
Data & Analytics
Spark · dbt · ClickHouse
11 ans
IoT & Real-time Systems
MQTT · Kafka · Flink
9 ans
Security & Compliance
Zero Trust · CNDP
15 ans
Sovereign by default
No dependency on foreign APIs for core inference. Models run on-prem or in-region. Data never leaves the deployment perimeter.
Zero cold-start tolerance
Real-time inference pipelines designed for sub-10ms p99 latency. Model quantization and custom CUDA kernels where needed.
No vendor lock-in
Architecture is cloud-agnostic at the inference layer. AWS is the primary deployment target — but the models and runtime are 4YA's own IP.

Envie d'en savoir plus ?

Découvrez l'équipe derrière 4YA — bio complète, projets, et notre méthode.

Voir l'équipe Retour à l'accueil

Comment lire cette trajectoire

Cette chronologie n'est pas un curriculum. Elle décrit les capacités que la maison a accumulées, période par période, et ce que chacune permet aujourd'hui. Une compétence n'entre dans cette liste que si elle a servi en production, pas seulement en apprentissage.

L'ordre a son importance : nous sommes arrivés à l'intelligence artificielle par le bas — par le matériel, le temps réel et les systèmes qui n'ont pas le droit de tomber. C'est ce qui explique nos choix d'architecture, notamment la préférence pour le traitement à la source.

Ce que chaque période a construit

Systèmes embarqués et temps réel

Firmware sur microcontrôleur, conception de cartes, contraintes de mémoire et d'énergie. Cette période a imposé une discipline qui ne s'apprend pas dans le logiciel de gestion : on ne peut pas relancer un équipement à distance, donc le code doit être juste du premier coup.

Vision par ordinateur et systèmes distribués

Traitement d'images sur matériel contraint, puis architectures réparties sur plusieurs sites. C'est de là que vient notre approche du module V32 : analyser au plus près de la caméra plutôt que de tout remonter, parce que la bande passante et la latence sont des ressources rares.

SaaS, cloud et exploitation à l'échelle

Conception et exploitation de plateformes multi-tenant pour des marchés internationaux. Cette période a apporté ce que l'embarqué n'enseigne pas : le déploiement continu, la supervision, la gestion des versions et le coût d'exploitation à long terme.

Fondation de 4YA et ancrage marocain

4YA est créée en 2020 à Marrakech. Le choix structurant est celui de la souveraineté : concevoir des systèmes dont les données restent au Maroc, à un moment où la plupart des offres passaient par des services étrangers. Ce choix a orienté toute la pile technique qui a suivi.

Produits propriétaires et IA souveraine

Mise en production de SecurePOS et du module V32, puis déploiement de modèles à poids ouverts sur infrastructure contrôlée et d'agents autonomes en exploitation réelle. C'est la période où la maison passe de la prestation à l'édition : nous exploitons nos propres produits, avec de vrais utilisateurs.

Ce que cette accumulation permet aujourd'hui

Peu d'équipes couvrent la même amplitude : de la carte électronique à l'orchestration de modèles de langage. Cette amplitude n'est pas un argument de vitrine — elle a une conséquence pratique. Quand un système de vision doit tenir sur un boîtier à faible consommation, ou qu'une caisse doit continuer à encaisser réseau coupé, la réponse ne vient pas de la couche applicative.

C'est aussi ce qui nous permet de dire non. Une partie des demandes que nous recevons se résout sans intelligence artificielle, par une correction de processus ou une intégration simple. Savoir situer le problème à la bonne couche fait gagner plus de temps que n'importe quel modèle.