Description

🚀 Lead Data Engineer | Expertise Multi-Cloud (GCP & Azure)

10 ans d'expérience en Data / 5+ ans en ingénierie Cloud

Accompagner les entreprises dans la transformation et l'industrialisation de leurs plateformes de données est le cœur de mon métier. Avec un parcours solide mêlant culture Data classique (BI/SQL) et technologies Cloud natives, j'interviens sur la conception, le développement et le déploiement de pipelines scalables.

🛠 Compétences clés :

Environnement GCP : Maîtrise avancée de l'écosystème Google Cloud (BigQuery, Dataflow via Apache Beam, Cloud Composer/Airflow, Pub/Sub).
Environnement Azure : Expertise Databricks (PySpark), Azure Data Factory, Synapse et SQL Database.
Industrialisation & DevOps : Automatisation complète de l'infrastructure via Terraform (IaC) et mise en place de pipelines CI/CD.
Migration & Architecture : Expertise dans la migration de systèmes Legacy (type SSIS/SQL Server) vers des architectures Cloud modernes (Medallion Architecture).

📈 Références marquantes :

J'ai eu le plaisir d'apporter mon expertise à des leaders de secteurs variés :

Luxe (Givenchy/LVMH) : Conception et Optimisation de flux de données complexes sur GCP.
Automobile (Stellantis) : Conception technique et développement sur des environnements Data massifs.
Média (TF1) & Finance (Natixis) : Conception d'architectures robustes et gestion du cycle de vie de la donnée.

🤝 Pourquoi travailler avec moi ?

Au-delà de la technique, mon rôle de Lead Engineer me permet d'assurer le lien entre les besoins métiers et les contraintes techniques, tout en garantissant un code maintenable, sécurisé et optimisé (FinOps).

Disponible pour des missions en mode hybride (Télétravail et sur Site) sur Paris et l'Île-de-France.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

GIVENCHY
Lead Data Engineer / Architecte GCP – Projet DataPlatform
LUXE
juin 2023 - Aujourd'hui (3 ans)
Paris, France
Enjeu : Migration d'un écosystème legacy (SQL Server/SSIS) vers une plateforme ELT moderne et scalable sur GCP.

🎯Contexte & Objectifs
L'objectif était de remplacer une infrastructure on-premise vieillissante et coûteuse par une architecture Cloud native capable de supporter la croissance internationale de la marque et d'unifier les données Retail, E-commerce et Marketing.

🛠️ Réalisations (Le "Comment")
Architecture & Ingestion (T1) : Conception et déploiement de pipelines de streaming/batch via Dataflow (Python/Apache Beam), assurant l'ingestion de millions d'événements quotidiens avec gestion des "Late Data".
Modélisation & Gouvernance (T2) : Migration des logiques métier complexes vers BigQuery en utilisant Dataform (SQLX) pour garantir le versioning, la documentation et la qualité des données (assertions).
Infrastructure as Code (IaC) : Automatisation complète de l'infrastructure via Terraform, permettant un déploiement multi-environnement (Dev, Staging, Prod) 100% reproductible.
Orchestration & CI/CD : Mise en place de workflows complexes sous Cloud Composer (Airflow) et intégration continue via Cloud Build.

📈 Résultats & Impact (Les Chiffres)
Réduction des coûts OPEX : -30% sur la facturation cloud globale.
Performance : Temps de mise à disposition des données (Time-to-market) réduit de 80% (passage de J+1 à une visibilité en quelques minutes).
Fiabilité : Taux de succès des pipelines passé de 85% à 99% grâce à l'automatisation et aux tests de données.
Google Cloud Platform (GCP) BigQuery Dataflow Python Terraform
GROUPE TF1
Data Engineer Azure Databricks
PRESSE & MÉDIAS
février 2020 - février 2023 (3 ans)
Boulogne-Billancourt, France
Enjeu : Industrialisation et scalabilité des flux de données d'audience et de publicité via une architecture Lakehouse.

🛠️ Réalisations (Le "Comment")
Architecture Medallion : Mise en œuvre des zones Bronze, Silver et Gold sur Azure Data Lake Storage (ADLS Gen2) en utilisant le format Delta Lake pour garantir l'acidité des transactions et la qualité des données.
Développement Databricks & PySpark : Conception de notebooks et de jobs Spark optimisés pour transformer des volumes massifs de données d'audience en temps réel et en batch.
Industrialisation Python : Création de bibliothèques et de classes Python modulaires pour standardiser l'ingestion de données hétérogènes vers le Data Lake.
Optimisation de Performance : Gestion avancée du partitionnement et de l'indexation pour réduire les coûts de calcul et accélérer les requêtes analytiques.

📈 Résultats & Impact
Productivité : Standardisation des pipelines de données réduisant le temps de développement de nouveaux flux.
Fiabilité : Mise en place d'une architecture Lakehouse permettant une "source unique de vérité" (Gold Layer) pour les rapports métier.
Performance : Optimisation des clusters Databricks permettant une réduction des temps de traitement sur les gros volumes d'audience.
Microsoft Azure Azure Databricks Azure Data Factory CI/CD Python
NATIXIS
Consultant BI Azure (POC)
BANQUE & ASSURANCES
octobre 2019 - février 2020 (4 mois)
Paris, France
Enjeu : Conception et mise en œuvre d'un POC (Preuve de Concept) pour automatiser le reporting commercial via une architecture 100% Azure Cloud.

Description : Dans le cadre de la modernisation des outils de pilotage, j'ai mis en place une architecture décisionnelle de bout en bout, permettant de transformer des données brutes (fichiers plats) en insights interactifs pour les directions métiers.

Réalisations clés :
Co-Administration & Infrastructure : Provisionnement des ressources Azure (Azure SQL Database, Storage, Analysis Services) via le portail Azure.
Ingestion & ETL : Développement des flux d'intégration avec Azure Data Factory (ADF) pour automatiser l'ingestion des fichiers sources (CSV) vers le SQL Server.
Modélisation Data Warehouse : Conception du schéma en étoile (tables de faits et dimensions) et création des vues SQL optimisées.
Architecture Sémantique : Mise en place et déploiement du cube tabulaire sous Azure Analysis Services (AAS) pour garantir des performances de calcul optimales sur de gros volumes.
Data Visualization : Conception, développement et mise en production de dashboards interactifs sous Power BI.

Résultats :
Validation technique du POC permettant le passage à une industrialisation à plus large échelle.
Centralisation des données commerciales dans une "Single Source of Truth" sécurisée sur Azure.
Microsoft Azure Azure Data Factory Microsoft Power BI Azure Analysis Services Azure Data Lake Storage