Guillaume Passinay

Conception et architecture complète d'une plateforme SaaS dédiée aux psychologues et à l'expérience clinique. Traction réelle : plus de 600 utilisateurs.

RÉALISATIONS

› Vision produit, choix technologiques et structuration des environnements Construction d'une IA spécialisée pour psychologues (assistant clinique, analyse structurée, aide à la rédaction et à la

›

réflexion thérapeutique)

› Développement d'agents IA complémentaires : scraping de données, automatisations métier, orchestration multi-sources, RAG

› Développement full-stack (backend, frontend, intégrations API) et design UI/UX centré sur les usages métiers

› Création automatisée de vidéos d'avatar via IA

› Déploiement cloud sur AWS (infrastructure, CI/CD, scalabilité, monitoring), mise en production et industrialisation

› Sécurisation des données de santé et mise en conformité HDS

› Documentation technique, structuration des bonnes pratiques et transmission

Environnement : Python, FastAPI, Next.js, Flutter

• · LLM (Claude, Gemini), RAG, AWS Bedrock, Hugging Face, vLLM

◦ · agents de code (Claude Code, Codex)

• · AWS (Lambda, S3, CloudFront, Aurora, Bedrock), GCP

◦ · API REST, Docker

◦ · SaaS, IA / NLP, RGPD, HDS

Amélioration de la qualité des données et analyse de la consommation des contenus MyCanal au sein du département Data.

RÉALISATIONS

› Développement d'un outil de mesure et d'évaluation de la qualité des données afin d'améliorer la qualité des données reçues et produites au sein du département Data

› Développement d'applications tierces permettant l'analyse de la consommation des contenus MyCanal

› Industrialisation de pipelines de données sur AWS (S3, Lambda), orchestrés avec Airflow

› Modélisation et exploitation des données dans Snowflake pour les besoins analytics

› Mise en place de l'intégration continue (GitLab CI) et de l'infrastructure as code (Terraform)

Environnement : Scala, Spark, Python, AWS (S3, Lambda), Airflow, Snowflake, GitLab CI, Terraform, Data Quality, Analytics

RÉALISATIONS

› Développement de pipelines de transformation de données depuis différents systèmes sources (batch et temps réel)

› Industrialisation des projets jusqu'à la mise en production

› Développement de tests d'intégration et optimisation des performances des traitements

› Mise en œuvre d'un outil de tests de performance (tirs de charge selon les objectifs visés)

› Analyse et résolution d'incidents (suivi de jobs, analyse de logs)

› Contribution à la documentation, démarche Agile Scrum

Environnement : Cloudera, Scala, Spark Streaming, Kafka, Hadoop, Mesos / Yarn, Kerberos, Oozie, Git, Maven, Spring Boot