Haroun B.

En tant que Data Engineer & IA , j'ai conçu une application qui vise à illustrer les capacités de monitoring et d'amélioration de la qualité des données. J'ai développé des pipelines multisources via Delta Live Tables avec une architecture Medallion et des mécanismes de Change Data Capture pour la synchronisation en temps réel. J'ai mis en place des contrôles de qualité déclaratifs à chaque couche de transformation, ainsi que la gouvernance des données via Unity Catalog. J'ai également développé des dashboards interactifs de data quality avec Python et Streamlit, et intégré un LLM (Llama-3) capable d'interroger les données en langage naturel, d'appliquer dynamiquement des contraintes de qualité et de générer automatiquement des dashboards à la demande. Enfin, j'ai conçu une architecture hybride combinant données structurées et capacités LLM pour des assistants IA orientés action, le tout en Squad Agile avec rédaction de documentation technique et préparation des packages de livraison.

Au sein d'un programme RH stratégique et international, j'ai piloté la modernisation et l'industrialisation des flux de données RH pour accompagner la montée en charge du programme. J'ai conçu et mis en œuvre des pipelines de données en temps réel avec Azure Data Factory, Databricks et Delta Lake, et développé des jobs PySpark orchestrés via Databricks Workflows pour l'ingestion, la transformation et l'exposition des données. J'ai implémenté une automatisation complète du cycle de vie CI/CD avec Azure DevOps (Git, YAML, déploiements automatisés) dans un environnement multi-niveaux (dev, pré-production, production). J'ai collaboré avec une équipe internationale architectes data en Europe, ingénieurs en Amérique pour définir l'architecture technique, garantir la sécurité et dimensionner les ressources. J'ai également assuré la conception, le développement, le test et la maintenance de composants Big Data et BI dans un contexte de volume et de performance élevés, tout en rédigeant la documentation technique et en collaborant étroitement avec les métiers pour traduire leurs besoins en architectures de données robustes.

J'ai contribué à la migration de l'écosystème Big Data vers une plateforme modernisée visant à améliorer la performance analytique et l'accessibilité des données. J'ai élaboré des flux ETL sur Apache Spark et Apache Impala pour remplacer Hadoop classique via Python/PySpark, et piloté l'extraction de données depuis les systèmes Legacy PostgreSQL. J'ai développé et automatisé les traitements avec Python, Sqoop et Spark, intégrés via Jenkins et Bitbucket. J'ai garanti la stabilité du système via le Maintien en Condition Opérationnelle (MCO), incluant l'identification, l'analyse et la résolution de bugs en production. J'ai travaillé sur une infrastructure complexe comprenant plusieurs environnements (dev, pré-prod, prod) avec plusieurs datawarehouses et datamarts, tout en participant activement aux cérémonies Agiles et en collaborant directement avec les Product Owners pour la maturation des besoins analytiques.