About Kevin
Vous voulez tirer parti de l'IA sur votre data…
mais votre plateforme n'est pas (encore) prête pour ça ?
Vous êtes au bon endroit.
Je suis Analytics Engineer freelance (ex-Head of Data), et je prépare les plateformes data à l'ère de l'IA, sur deux fronts : rendre la donnée accessible en langage naturel, et outiller les équipes data pour construire x10 plus vite avec des agents IA.
Voici les contextes où je peux intervenir :
💬 Vos équipes métier veulent accéder à la data en langage naturel
- Context layer : la couche sémantique augmentée par l'IA (Omni, Snowflake Intelligence) qui donne aux LLMs le contexte métier pour produire des réponses fiables.
- Assistants IA conversationnels connectés à vos données via API et serveurs MCP de façon sécurisée et gouvernée.
🤖 Votre équipe data veut construire plus vite avec des agents IA
- dbt pensé pour les agents IA : style guides, playbooks et skills adaptés aux agents afin de produire des modèles et des YAML conformes à vos best practices et à vos contraintes spécifiques.
- Workflows de développement, CI/CD AI-first + frameworks de tests pour une équipe data x10 plus rapide, sans sacrifier la fiabilité.
⚡ Votre stack data fonctionne mais elle n'a pas été pensée pour l'IA.
- Audit AI-readiness : état des lieux de votre stack (modélisation, documentation, sémantique, qualité et roadmap).
- Mise à niveau sans tout reconstruire : modélisation dbt restructurée, documentation et contexte sémantique enrichis pour que LLMs et agents comprennent les spécificités de vos données.
Et derrière chaque intégration IA, des fondations solides d'analytics engineering. En 10 ans, j'ai notamment :
- réduit de 90 % les coûts d'une plateforme data en 2 mois (milliards d'événements ingérés).
- déployé dbt from scratch dans plusieurs scale-ups dont une plateforme ad-tech à très forte volumétrie (200+ milliards d'enchères/jour).
- divisé par 5 le « data downtime » grâce à un framework de tests dbt.
French
Native or bilingual
English
Native or bilingual
Can work on-site
Paris (up to 50km), Marseille (up to 50km), Lyon (up to 50km), Bordeaux (up to 50km), Lille (up to 50km)
Experience
- DKB AnalyticsStaff Analytics & AI EngineerJanuary 2026 - Today (6 months)Paris, FranceJe prépare les plateformes data de mes clients à l'ère de l'IA.
Missions :
🎯 Plateforme ad-tech - 200 Mds+ enchères/jour (~20 To/jour) -Modernisation d'une stack analytics de 7 ans :- Snowflake Intelligence : accès self-service gouverné à la donnée en langage naturel pour les équipes Business (couche sémantique enrichie, documentation du warehouse, standardisation des agents IA).
- Industrialisation de dbt sur Snowflake (architecture médaillon, macros, modèles incrémentaux/microbatch) et migration du schéma legacy.
- Déploiement de airflow sur GCP (Composer)
🎯 Groupement de 550+ pharmacies indépendantes (CA réseau > 1,6 Md €)Construction de la couche analytics & IA embarquée dans l'intranet du réseau- Assistant IA conversationnel pour 550+ utilisateurs non-techniques : agent IA d'Omni intégré au chat GPT d'entreprise via API REST et serveur MCP.
- Dashboards embarqués sécurisés : SSO à URL signée et row-level security par pharmacie, sur un context layer unique (couche gold dbt/Snowflake + sémantique Omni) => fiabilisé pour un domaine de santé réglementé.
Stack : Snowflake, Snowflake Intelligence, dbt, Omni (semantic layer, embed, AI), MCP, Azure, GCP Composer, Docker, Tableau - FabulousStaff Analytics EngineerSOFTWARE PUBLISHINGMay 2023 - January 2026 (2 years and 8 months)Paris, FranceFabulous est une famille d’applications mobiles bien-être primées, utilisées par plus de 40M d’utilisateurs dans le monde.J’ai rejoint l’entreprise en phase d’hypercroissance (de 1 à 9 apps) pour faire scaler la plateforme analytics afin d’accompagner la forte croissance utilisateurs et revenus, et piloter des projets data complexes à fort impact business.
Réalisations & Projets clés
Refonte et accélération de la plateforme (avec IA)- Déploiement et fine-tuning d’une semantic layer augmentée par l’IA (Omni), permettant des analyses en langage naturel et réduisant le time-to-insight de plusieurs jours à quelques secondes.
- Réduction de 90 % des coûts data en 2 mois via des pipelines d’ingestion sur-mesure (milliards d’événements) et l’optimisation des modèles incrémentaux.
- Refonte du framework de tests dbt : division par 5 des incidents data et hausse de la productivité de l’équipe.
Retour à un ROI marketing positif- Construction d’un modèle de forecasting des revenus pour la User Acquisition, soutenant des décisions ayant généré +150 % de croissance annuelle du MRR avec des dépenses rentables.
- Modélisation détaillée des données d’abonnement et de paiement, identification de frictions critiques dans les workflows : +30 % de revenus après expérimentation.
- Création d’un outil interne d’analyse de performance des créas publicitaires, économisant plusieurs dizaines de milliers d’euros par an.
Fiabilité et self-service- Mise en place de systèmes de monitoring garantissant la qualité du tracking et la robustesse des KPIs stratégiques.
- Développement de frameworks d’A/B testing permettant aux équipes Produit d’analyser leurs expérimentations en autonomie.
Contexte techniquedbt Core, nao labs, Cursor, BigQuery, Omni, Metabase, Fivetran, Amplitude, Deepnote, GitHub Actions - CheerzHead of Data & Analytics EngineeringE-COMMERCEJanuary 2022 - May 2023 (1 year and 4 months)Paris, FranceCheerz est une scale-up européenne spécialisée dans l’impression photo sur mobile / web (150 collaborateurs, 50 M€ de CA).Je travaillais en étroite collaboration avec les équipes Produit, Tech, Marketing et la Direction pour faire de la data un levier central de performance et de prise de décision.
Réalisations et Projets clés
Définition et pilotage de la stratégie data- Construction de roadmaps data trimestrielles alignées sur les priorités business, l’impact attendu et le niveau de maturité analytique.
- Transformation d’une organisation centrée sur le reporting réactif vers une approche diagnostique et proactive (analyse des root causes monitoring des conversions, alerting backend).
Construction et scaling d'une organisation data hybride- Recrutement et management d’analytics engineers et de data analystes ; définition des rôles, responsabilités et standards de travail.
- Réduction du temps consacré aux requêtes simples et correctifs (de 50 % à 10 %) grâce à une fiabilité data élevée (99,9 % d’uptime) combinée à un fort niveau de self-service.
Intégration des métriques au coeur des décisions Produit & Tech- Passage d’une visibilité partielle sur les actions utilisateurs à un suivi systématique des taux de conversion, des parcours et de l’impact des fonctionnalités.
- Transformation des rituels (sprint reviews, roadmap planning, postmortems) en discussions centrées sur les métriques plutôt que sur les livrables.
Contexte techniquedbt cloud, Stitch Data, airbyte, Google BigQuery, Looker, Amplitude, Google Analytics, Hightouch, Deepnote, Segment
Recommendations
These freelancer profiles also match your criteria
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Education
- Master's degreeEcole nationale supérieure d'Arts et Métiers / ENSAM2015Master's degree
- Cambridge Higher School CertificateCollège du Saint EspritCambridge Higher School Certificate