Amine Kili

• Direction de la stratégie technique et de la roadmap produit en tant que CTO ; gestion d'équipes transverses en ingénierie, data science et opérations ; représentation de l'entreprise à Station F

• Architecture d'un système multi-agents agnostique aux LLMs utilisant langchain4j avec sélection dynamique de modèles atteignant des temps de réponse <200ms

• Construction de graphes de connaissances scalables avec Neo4j implémentant l'analyse sémantique pour la récupération contextuelle multi-tenant

• Provisionnement d'infrastructure cloud multi-régions AWS et Azure : VPCs, sous-réseaux, groupes de sécurité, load balancers (ALB/NLB), tables de routage

• Conception d'architecture tolérante aux pannes avec circuit breakers Resilience4j, retry avec backoff exponentiel, dégradation gracieuse, health checks pour déploiements zero-downtime

• Architecture de couche de données avec PostgreSQL pour les transactions, MongoDB avec sharding pour les documents, Redis pour le cache sub-millisecondes avec éviction TTL

• Développement de microservices Spring Boot avec APIs REST, injection de dépendances, programmation orientée aspects, gestion d'exceptions personnalisée

• Implémentation d'observabilité avec Prometheus (métriques JVM, business), tableaux de bord Grafana, Datadog APM pour traçage distribué

• Construction de pipelines CI/CD avec GitHub Actions : tests unitaires/intégration/e2e, scan sécurité Trivy, builds Docker, déploiements blue-green vers AWS ECS

• Conception IAM multi-tenant avec Keycloak OAuth2/OIDC, politiques RBAC, isolation des tenants, conformité PCI DSS et SOC 2

Technologies : Kotlin, Java, Spring Boot, langchain4j, LLMs (GPT-4, Claude, Llama), Neo4j, PostgreSQL, MongoDB, Redis, BDs Vectorielles (Azure AI Search, Weaviate), Keycloak, AWS (ECS, EC2, RDS, ElastiCache, S3, CloudWatch, ALB), Azure (VM, CosmosDB), Docker, Prometheus, Grafana, Datadog, ELK, Mixpanel, GitHub Actions

• Direction de l'équipe d'ingénierie en phase de scaling ; gestion du recrutement technique, onboarding et mentorat ; partenariat avec la direction sur les roadmaps techniques

• Architecture de plateforme microservices distribuée avec Java et Spring Boot : domain-driven design, APIs REST avec OpenAPI, traitement asynchrone via AWS SNS/SQS

• Construction de couche de données MongoDB avec sharding pour scalabilité horizontale, pipelines d'agrégation pour analytics, index optimisés réduisant la latence de secondes à millisecondes

• Implémentation du pattern saga pour transactions distribuées avec logique compensatoire, APIs idempotentes avec déduplication pour sémantique exactly-once

• Déploiement de traçage distribué AWS X-Ray avec IDs de corrélation, échantillonnage de traces, cartes de dépendances des services, réduction du MTTR de 70%

• Construction de système de paiement crypto basé sur ledger avec transactions ACID PostgreSQL, audit trails event sourcing, traitement webhooks avec logique retry

• Optimisation d'analytics pour milliards d'enregistrements : pipelines d'agrégation MongoDB, jobs batch AWS Lambda, vues matérialisées, index composés réduisant la latence de 85%

• Développement de détection de fraude ML avec extraction de features scikit-learn, scoring temps réel <50ms, alertes par seuils réduisant les faux positifs de 40%

• Implémentation Redis ElastiCache avec pattern cache-aside, invalidation TTL, cache warming maintenant latence p99 <100ms, réduction charge BD de 70%

• Construction CI/CD avec GitHub Actions : tests unitaires/intégration/e2e, builds Docker multi stages, déploiements AWS ECS, releases blue-green avec rollbacks automatisés

Technologies : Java, Spring Boot, MongoDB, PostgreSQL, Redis, AWS (ECS, Lambda, SNS, SQS, X Ray, CloudWatch, ElastiCache, RDS, S3, ALB), Docker, GitHub Actions, ELK Stack, Grafana, scikit-learn, Python

• Direction des sessions de conception architecturale ; réalisation d'analyses de faisabilité technique ; établissement de standards de revue de code adoptés à l'échelle de l'entreprise

• Architecture d'infrastructure AWS ECS avec service discovery (Cloud Map), Application Load Balancers, politiques d'auto-scaling atteignant 99,9% de disponibilité

• Implémentation de domain-driven design avec contextes bornés, communication event-driven via AWS SNS/SQS, CQRS pour séparation lecture/écriture

• Construction de plateforme d'observabilité : métriques CloudWatch, traçage distribué X-Ray, logs structurés, intégration PagerDuty réduisant le MTTR de 60%

• Mentorat de l'équipe d'ingénierie via entretiens techniques, onboarding, partage de connaissances sur patterns microservices et bonnes pratiques AWS Technologies : Java, Python, Spring Boot, AWS (ECS, Lambda, SNS, SQS, Cloud Map, CloudWatch, X Ray), Docker, CI/CD