Data Engineer

Intégration dans l'équipe data d'une plateforme de gestion d'actifs pour concevoir et déployer une architecture de pipelines de données robuste selon le modèle Medallion.

• Conception d'un schéma de tables et de pipelines de bout en bout en Python/SQL selon l'architecture Medallion (bronze/silver/gold) avec pipelines idempotentes, logs intelligents et détection automatisée d'anomalies via SQL.
• Développement d'un outil conversationnel (LLM) permettant d'interroger la base de données en langage naturel plutôt que via des filtres SQL complexes.
• Implémentation de la gestion sécurisée des secrets via Azure Key Vault ; mise en place des premiers tableaux de bord Power BI pour la restitution des indicateurs clés.

Fondation et pilotage d'un projet entrepreneurial de plateforme data/IA avec gestion collaborative du backlog via Git et GitHub.

• Pilotage d'une équipe avec un client réel et présentation à des investisseurs ; gestion du backlog via Git et GitHub Projects.
• Conception d'un modèle TypeScript (HuggingFace) pour traduire du langage naturel en code Python en 3 langues (français, anglais, chinois) avec un modèle de classification binaire (détection sémantique) ; génération automatique de données et fine-tuning.
• Mise en place d'une base PostgreSQL avec chiffrement des données sensibles selon algorithme de chiffrement robuste, garantissant confidentialité et protection des données du produit.

Intégration dans l'équipe data d'un groupe de recrutement pour optimiser un parc d'environ 200 scrapers Python et améliorer le traitement et la qualité des données publiques.

• Mise en place et réparation d'un parc d'environ 200 scrapers Python ; automatisation de l'extraction de données publiques sur le web avec nettoyage et transformation — amélioration de l'efficacité de traitement de 70%.
• Traitement de données pour des projets de géomarketing : calculs et estimations géospatiales via QGIS en Python ; conformité RGPD des traitements.

Contribution au développement backend d'une application Airbus en mettant en place une solution d'automatisation pour le traitement des e-mails.

• Analyse du besoin métier et conception d'un script VBA automatisant le traitement quotidien d'e-mails à formats hétérogènes (nettoyage, transformation et chargement ETL) des données dans Excel — choix pragmatique évitant toute dépendance logicielle.
• Optimisation du gain de temps entre 30 à 45 minutes par jour et par collaborateur avec un effet cumulatif significatif à l'échelle annuelle.