Nathan Amar, fondateur de JNS-IA

Parcours

Nathan Amar est ingénieur en intelligence artificielle. Avant de fonder JNS-IA, il a occupé des postes de Head of Data & IA et a mené des projets de données et d’IA au cœur des organisations : du prototype jusqu’à la mise en production, avec les équipes qui les utilisent au quotidien.

JNS-IA prolonge ce travail sous trois formes : former les équipes à l’IA générative, concevoir des agents IA et des automatisations branchés sur les outils de l’entreprise, et accompagner les directions dans leur stratégie IA. Les formations sont conçues et animées par Nathan, et dispensées via des organismes partenaires certifiés Qualiopi — le montage est détaillé ici.

Il fait partie de la Sélection officielle Who's Human IA 2026 : fait partie des 300 hommes et femmes sélectionnés en France pour leur engagement éthique et humain dans l’IA.

Certifications vérifiables

Six des certifications obtenues, avec un lien vers le certificat original chez l’émetteur quand il existe.

• Claude Code in Action — Anthropic (Agents IA) · vérifier le certificat
• Machine Learning Operations (MLOps) — Google Cloud (MLOps) · vérifier le certificat
• Data Science Professional Certificate — HarvardX (Data science) · vérifier le certificat
• AWS Cloud Practitioner — Amazon Web Services (Cloud)
• Machine Learning Scientist Career Track — DataCamp (Machine learning)
• Dataiku Core Designer — Dataiku (Plateforme data)

Profil public : LinkedIn.

Méthode éditoriale

Ce site a un objectif simple : aider des dirigeants et des équipes à décider quoi faire de l’IA générative. Voici comment ce qui s’y publie est produit.

Les pages de service et les ressources

Elles sont écrites par Nathan Amar à partir de ses missions. Les chiffres qu’elles affichent (années d’expérience, personnes formées) sont les mêmes partout, et aucun tarif n’y est publié : le coût dépend du périmètre, il se chiffre sur devis.

Le blog

Un article paraît chaque lundi. Il est rédigé avec l’assistance de Claude, le modèle d’Anthropic, à partir d’une recherche web sur les huit jours écoulés, et publié sous la responsabilité éditoriale de Nathan Amar. Nous le disons parce qu’un lecteur est en droit de savoir comment un texte a été produit — et parce qu’un cabinet d’IA qui s’en cacherait se contredirait.

Les règles imposées à chaque article :

• la source primaire d’abord — l’annonce de l’éditeur, sa documentation, le texte officiel d’une décision — et la presse seulement à défaut ;
• aucun chiffre, tarif ou benchmark écrit de mémoire : ce que la recherche n’a pas confirmé n’est pas écrit ;
• chaque annonce est datée et attribuée, et un article d’actualité se termine par ses sources — sans elles, il n’est pas publié ;
• pas de longueur imposée : un article dit ce que son sujet demande ;
• la date de mise à jour ne bouge que si le contenu change réellement.

Les illustrations des articles sont générées par un modèle d’image (gpt-image-1, OpenAI) ; elles évoquent le sujet et ne représentent aucune personne ni aucun produit réel.

Signaler une erreur

Une information inexacte ou dépassée ? Écrivez à nathan@jns-ia.com : la correction est faite et datée dans l’article.