Rabeh Aloui

Accompagnement de TF1 dans la conception, la mise en place et l’industrialisation de sa plateforme Data & Cloud pour répondre aux enjeux de gouvernance, performance et scalabilité.

Contributions principales:

🏗 Architecture Data & Cloud :

⚙️ Infrastructure as Code :

🔄 CI/CD & automatisation :

🤝 Collaboration & best practices :

⚡ Optimisation Data :

Participation à un projet visant à localiser et suivre en temps réel les bornes de recharge pour véhicules électriques, afin d’améliorer l’expérience des conducteurs.

🛠 Infrastructure as Code : mise en place de l’environnement Databricks (workspaces, rôles IAM, intégration avec S3 et calcul AWS EC2) via Terraform.

🔄 CI/CD & industrialisation : automatisation avec Databricks Bundles pour déployer les clusters, configurer les jobs et intégrer le code Spark (Python).

📊 Architecture data : conception et implémentation du Data Lakehouse avec les différentes couches (Bronze, Silver, Gold) pour assurer qualité et gouvernance des données.

⚡ Pipelines de données :

Traitement batch (Bash + Spark) exécuté chaque nuit pour alimenter les tables de l’API de géolocalisation,

Traitement temps réel pour mettre à jour instantanément le statut des bornes.

Mise en place d’une plateforme data robuste, automatisée et scalable, permettant une géolocalisation fiable et une mise à jour en temps réel des bornes de recharge, au service des conducteurs de véhicules électriques.

Pilotage de la migration d’un Data Lake on-premise vers Azure Cloud, avec la conception et la mise en place d’une architecture moderne de Data Lakehouse pour supporter des besoins analytiques et de business intelligence à grande échelle.

🔄 Ingestion & intégration des données : conception et implémentation de pipelines de bout en bout avec Azure Data Factory, Databricks & Spark pour une intégration fluide et automatisée.

📊 Transformation & reporting : développement de workflows de transformation et création de vues métiers fiables, garantissant un reporting de haute qualité.

🏗 Architecture Lakehouse : mise en place d’un Delta Lakehouse sur Azure Databricks, assurant cohérence, scalabilité et gouvernance des données.

⚙️ DevOps & industrialisation : adoption des pratiques Azure DevOps (Pipelines, Releases) pour automatiser les déploiements et renforcer la collaboration entre équipes.

⚡ Optimisation des performances : mise en œuvre de techniques avancées sur Azure Databricks (optimisation Spark, Z-Order, Vacuum, gestion du Delta Lake) afin d’améliorer l’efficacité des traitements et réduire les coûts de calcul.

Résultats :

Migration réussie d’un environnement on-premise vers une plateforme cloud scalable et gouvernée.

Accélération des déploiements grâce à l’automatisation CI/CD.

Mise à disposition d’une architecture fiable permettant des analyses et reportings de qualité, tout en réduisant les coûts d’exploitation.