Description

Votre infrastructure data coûte plus qu'elle ne rapporte ou votre équipe passe des heures sur des tâches qui devraient être automatisées?

Vous avez besoin d'un Data Engineer qui ne livre pas du code pour du code : chaque pipeline de données , chaque architecture lakehouse , chaque automatisation est conçue pour servir un objectif business mesurable.

Mon obsession : le ROI de chaque projet.

Voici ce que mes clients ont obtenu concrètement :

Chanel : Mise en place d'un générateur de payload sur mesure + automatisation complète du cycle de test QA. 80%+ du temps récupéré sur les tâches répétitives, zéro tâche manuelle résiduelle.
CarbonArc: reconstruction de clusters PySpark stables + optimisation pipeline Spark-Iceberg. -80% de fichiers traités inutilement, -90% de temps de maintenance , pertes quotidiennes de plusieurs milliers de dollars stoppées.
Secteur énergie : audit cloud + automatisation de 20h+ de traitement manuel hebdomadaire. Facture cloud de 5 000$ → moins de 1 000$/mois , 48 000$ économisés/an.

Vous m'exposez votre problème business, j'identifie les fuites de valeur et je vous propose une ROADMAP data adaptée.

Je travaille avec des startups, PME et grands comptes dans tous secteurs, sur des projets de Big Data , architecture lakehouse et automatisation de workflows.

Vous avez un projet ou un chantier data en tête ?

Décrivez-moi votre situation en 3 lignes, je vous réponds dans l'heure avec une première lecture de votre besoin.

Vous pouvez également me joindre sur whatsapp:

Industry field of expertise

Languages

English
Native or bilingual
French
Native or bilingual

Workplace preferences

Can work on-site

Paris (up to 50km), Lyon (up to 50km), Bordeaux (up to 50km), Nice (up to 50km), Rennes (up to 50km)

L'Oréal
Data Engineer
FASHION AND COSMETICS
October 2024 - Today (1 year and 8 months)
Levallois-Perret, France
Refonte complète d'une plateforme data devenue complexe et coûteuse.
En détail :
• Équipe agile (10 devs, 1 PO, 1 Scrum Master)
• Migration depuis une architecture hétérogène (10+ technologies) vers une stack moderne, claire et standardisée
• Conception d'un MVP Lakehouse : Airflow (orchestration), Spark (traitement), Delta Lake (stockage), Grafana (DataViz)
• Déploiement sur Azure Kubernetes (AKS) avec infrastructure DevOps et CI/ CD automatisés
• Intégration de 35+ sources de données et création de pipelines scalables
• Workshops techniques, pair programming, formation, recrutement de data engineers
• Mise en production validée

Stack technique:
Python, Airflow, PySpark, Delta, Azure, Docker, Github Actions, K8s, PostgreSQL, Jupyter Notebook, Elasticsearch, Grafana
Python Airflow PySpark Delta Lake Lakehouse
PulseChk
Data Engineer
CONSULTING AND AUDITS
October 2024 - Today (1 year and 8 months)
United States
En détail :
• Diagnostic complet de la plateforme existante et identification des goulets de performance
• Optimisation de traitements Spark critiques pour réduire les temps de calcul et les coûts d'exécution
• Refonte de la stratégie de traitement par lot avec une meilleure gestion de la scalabilité
Architecture Spark SQL Lakehouse Big Data
Carbon Arc
Data Engineer
TECH
December 2024 - February 2025 (2 months)
New York, NY, USA
Mission d'urgence pour reprendre le contrôle d'une plateforme Spark devenue instable et coûteuse. :
• Équipe agile (2 devs, 1 Head of Eng)
• Audit complet des workflows Spark sur Domino : détection de fuites de coûts liées à l'autoscaler
• Proposition d'une solution rapide pour fiabiliser les exécutions et stabiliser les coûts
• Optimisation du format Apache Iceberg : -80 % de fichiers générés (spark jobs plus rapides et moins chers)
• Réduction de 90 % du temps de maintenance sur plusieurs Terabytes de données
• Mentoring et accompagnement des équipes internes
• Reporting technique hebdo au Head of Eng

Technical Environment:
- AWS, Domino Lab Platform, Python, PySpark, Airflow, Apache Iceberg, Github, Trino
AWS S3 Python Spark Apache Iceberg Airflow