Description

Data Engineer Senior & Cloud Data Architect AWS | GCP (7+ ans d’expérience)

Votre plateforme data devient difficile à maintenir, vos pipelines sont instables ou vos coûts cloud explosent ?

J’interviens pour auditer, sécuriser ou refondre votre plateforme data sur AWS et GCP, afin de livrer une architecture performante, scalable et maîtrisée en coûts, sans dépendre de bricolages temporaires.

Depuis plus de 7 ans, j’accompagne les PMEs, grands comptes et équipes data sur des projets à forts enjeux : migration SI, modernisation de data platforms, industrialisation de pipelines et optimisation cloud.

Mon rôle : transformer une plateforme data fragile en un socle fiable et exploitable, avec une attention particulière portée à la performance, la gouvernance et la maîtrise des coûts.

Parmi mes interventions :

→ Audit d’architecture data & cloud (AWS/GCP) avec restitution claire, priorisée et actionnable

→ Migration data on-premise → cloud (AWS & GCP)

→ Conception d’architectures data modernes (Bronze / Silver / Gold, Lakehouse)

→ Industrialisation de pipelines data batch & semi temps réel

→ Optimisation FinOps avec des réductions de coûts observées jusqu’à –40 %

Mon approche

Une approche pragmatique et orientée impact :

un socle data stable, documenté et évolutif, qui permet à vos équipes de travailler sereinement sans corriger en permanence les mêmes problèmes.

Stack & méthodes:

AWS & GCP (S3, Glue, EMR, Athena, ECS, EKS, BigQuery, GCS, Composer, GKE, Dataproc, Cloud SQL)

Spark, Airflow, SQLMesh, Kafka

Python, SQL, Scala

Terraform, Docker, Kubernetes, CI/CD

Data Lake, Lakehouse, DWH

FinOps : optimisation compute & stockage, autoscaling, spot, partitionnement

Vous avez besoin de sécuriser une plateforme data, de réaliser un audit, ou de renforcer ponctuellement votre équipe data ?

Vous hésitez sur la solidité ou le coût réel de votre plateforme data ?

Contactez moi, je propose un échange en visio pour vous donner un premier diagnostic clair et sans jargon.

Industry field of expertise

Languages

French
Native or bilingual
English
Fluent
Arabic
Native or bilingual

Workplace preferences

Can work on-site

Lyon (up to 50km)

EDF
Expert Data Engineer
ENERGY AND UTILITIES
September 2025 - Today (9 months)
Lyon, France
Mission de transformation du système d’information et de maintenance industriel dans le cadre du programme Vision 2035, avec un fort enjeu de migration vers un cloud de confiance, de fiabilisation des pipelines data et de gouvernance des données.

Responsabilités principales :

- Conception et développement de pipelines data robustes et industrialisés (batch & semi temps réel)
- Participation à la migration et modernisation des flux data (Oracle / PostgreSQL)
- Mise en place de traitements data à grande échelle (Spark, SqlMesh)
- Intégration et orchestration des workflows data (GCP composer, AWS Glue / GCP DataProc)
- Contribution à la gouvernance des données (qualité, traçabilité, référentiels)
- Production de datasets fiables pour le reporting décisionnel (Power BI)
- Collaboration étroite avec les équipes métiers, data et architecture dans un cadre Agile

Environnement technique :
- AWS : S3, Glue, DMS, RDS, ECS, KMS
- GCP: GS, DataProc, Composer, DMS, Cloud SQL, GKE
- Autres : CI/CD, PowerBI.
Google cloud Amazon Web Services Apache Airflow Apache Spark PySpark
Lizeo
Data Engineer Senior | Architecte Data Cloud | Expert AWS | Stratégie FinOps & gouvernance des coûts
AUTOMOBILE
October 2019 - September 2025 (5 years and 11 months)
Lyon, France
Refonte de l’architecture data pour soutenir la croissance internationale d’un acteur clé de la data dans le secteur du pneumatique.

🎯 Objectifs de la mission :

• Absorber une forte montée en charge liée à l’explosion des données collectées
• Concevoir une architecture scalable et fiable (data warehouse, data lake, data lakehouse)
• Réduire les coûts cloud par une approche FinOps structurée

🚀 Réalisations clés :

• Création d’un moteur de matching scalable, fondé sur des règles métier co-définies avec les experts pneumatiques (remplacement d’un moteur Java obsolète)
• Mise en œuvre d’une architecture data moderne combinant data lake (S3), data warehouse (Athena) et data lakehouse pour unifier stockage et analyse.
• Déploiement d’une stack Big Data performante : Spark, Kafka/MSK, EMR, EKS
• Orchestration avancée des pipelines avec Apache Airflow : fiabilité, monitoring temps réel, automatisation
• Mise en place de dashboards (Apache Superset) pour une observabilité proactive et des décisions plus rapides
• Adoption de bonnes pratiques DevOps : CI/CD avec GitLab, Terraform, tests automatisés

📈 Résultats business concrets :

•💰 Réduction de ~40 % des coûts cloud AWS via FinOps (optimisation des ressources, monitoring, alerting)
•⚡ Time-to-market accéléré : 1 jour pour intégrer une nouvelle ligne produit dans les workflows
•🛡️ Stabilité renforcée : seulement 2 incidents critiques en 2024 sur des volumes massifs
•🌍 Contribution active à la veille technologique et à l’adoption d’un socle data robuste pour l’international

🧰 Stack technique : Scala, Python, Spark, Kafka, Iceberg, Airflow, AWS (EMR, Glue, S3, Athena, EKS, Lambda), Terraform, GitLab CI/CD, Superset, Data Warehouse, Data Lake, Data Lakehouse

📅 Méthodologie : Scrum 🧩
Amazon Web Services Python Kubernetes Scala Apache Spark