Description

Je vous accompagne de bout en bout : de l’ingestion des données à leur valorisation, avec une approche fiable, moderne et orientée impact.

Ce que je vous apporte :

Des pipelines de données robustes et maintenables (Airflow, dbt, BigQuery)

Une modélisation claire et documentée pour rendre vos équipes data & métiers autonomes

Des dashboards utiles et actionnables (Looker Studio) pour piloter vos KPIs

Des cas d’usage avancés comme la recommandation de contenus ou le tagging intelligent via IA

Mes récentes missions :

Chez Webedia, refonte des ELT sur les données social media (Facebook, YouTube, Snapchat) avec dbt sur GCP : réduction des coûts, meilleure qualité de données, suivi budgétaire et tagging de vidéos via Gemini pour la vente d’audience.

Développement d’un modèle de recommandation de maisons similaires intégré à une app mobile et un site web, pour booster la conversion utilisateur et enrichir l’expérience produit.

Ma valeur ajoutée :

J’ai une forte capacité à simplifier des problèmes complexes, qu’ils soient techniques ou métier. Curieux et adaptable, je travaille aussi bien avec les équipes data qu’avec les profils produit, marketing ou business.

Types de projets gérés :

Mise en place ou refonte de data stack moderne (GCP, dbt, Airflow)

Optimisation de pipelines ELT (performances, coûts, qualité)

Déploiement de dashboards orientés business

Intégration de modèles ML simples dans la chaîne data (reco, classification)

Languages

French
Native or bilingual
English
Native or bilingual

Workplace preferences

Can work on-site

Paris (up to 50km)

Webedia
Data Engineer
SOCIAL NETWORKS
January 2025 - Today (1 year and 5 months)
Levallois-Perret, France
Optimisation & Performance
Mise en place de stratégies d’optimisation des coûts sur GCP (partitioning, clustering, table expiration) pour réduire significativement le budget cloud.
Réduction du temps de traitement des DAGs Dagster grâce à une meilleure modularisation des modèles dbt, en limitant les dépendances inutiles et en segmentant les datasets.
Analyse des bottlenecks de performance dans les workflows ELT et refactorisation ciblée pour assurer la scalabilité.
Qualité & Gouvernance des Données
Définition de règles de qualité de données (tests de présence, unicité) dans dbt pour garantir la fiabilité des dashboards.
Documentation des données sur dbt pour permettre l'utilisation de manière autonome des tables mises à disposition.
Valorisation des Données & Visualisation
Construction de dashboards opérationnels et stratégiques sur Looker Studio permettant le suivi quotidien des KPIs réseaux sociaux (engagement, vues, budget dépensé).
Collaboration avec les équipes social media et marketing pour identifier les bons indicateurs de performance.
Cas d’Usage IA / ML
Conception d’un tagging automatique de contenus Facebook à l’aide d’une Cloud Function utilisant l'API Gemini pour classifier les vidéos selon des thématiques food (ex: végan, brunch, goûter, etc).
Intégration des catégories générées dans BigQuery pour permettre une segmentation avancée des audiences et une vente d’inventaire plus ciblée (use case data marketing).
Stack utilisée
GCP (BigQuery, Cloud Functions, Cloud Scheduler)
SQL, dbt, Dagster
Looker Studio
Python, Git, Gemini API
Python DBT Big Query Dagster IA générative
Le Collectionist
Data Engineer
REAL ESTATE
April 2024 - January 2025 (9 months)
Paris, France
Pipelines de données & ELT
Conception et maintenance de pipelines ELT batch avec Apache Airflow, en appliquant les principes de Functional Data Engineering (simplicité, testabilité, modularité).
Intégration des sources de données via Airbyte pour alimenter le Data Warehouse.
Modélisation & Transformation
Modélisation des données dans BigQuery en collaboration avec les Data Analysts pour faciliter l’exploitation métier.
Migration des DAGs de transformation de données depuis Airflow vers dbt, dans le but de :
Réduire les coûts d’exploitation
Simplifier la gestion des dépendances
Standardiser les tests de qualité (tests de présence, d’unicité, de relations)
Cas d’Usage IA / ML
Conception et développement d’un modèle de recommandation de maisons similaires, utilisé sur l’application mobile et le site web pour améliorer la navigation utilisateur et augmenter le taux de conversion.
Documentation & Autonomie
Mise en place de bonnes pratiques de documentation dans dbt pour rendre les modèles de données accessibles aux équipes métiers.
Participation à l’implémentation d’un Data Catalog (Secoda) afin de :
Améliorer la découvrabilité des données
Centraliser la documentation
Faciliter l’autonomie des utilisateurs finaux
Stack utilisée
GCP, BigQuery, Kubernetes, Terraform
Apache Airflow, Airbyte
dbt, SQL, Python
Looker Studio, Secoda, Github
Big Query SQL Python Airflow DBT