Data Analytics & Data Engineer

Intégration de YURI & NEIL pour accompagner des clients du secteur retail et e-commerce (Mes Demoiselles Paris, IKKS) sur des enjeux de centralisation et de valorisation de la donnée.

• Conception et maintenance de pipelines ELT selon l'architecture Medallion, orchestrés via Kestra.
• Développement de dashboards avancés Looker/Data Studio pour le suivi d'indicateurs clés contribuant à une hausse de 20 % du chiffre d'affaires.
• Développement d'un agent conversationnel dans Gemini Enterprise permettant aux équipes métier d'interroger +25 tables BigQuery réparties sur 3 domaines métier en langage naturel et d'accéder rapidement aux indicateurs clés.
• Optimisation des requêtes et du modèle de données sur BigQuery (partitionnement, clustering, FinOps), réduisant les coûts de 30 % et les temps de traitement de 60 %.
• Mise en place de pipelines CI/CD et d'alertes automatisées sur Slack/Teams pour surveiller +100 tests dbt et contrôles qualité, détecter les anomalies et identifier les pipelines en échec.
• Gain de 6 h/semaine sur la livraison des analyses et du reporting grâce à l'automatisation des alertes et des dashboards.

Mission chez WASIT pour concevoir des solutions innovantes d'assistance à destination des agriculteurs.

• Conception et développement d'un système multi-agents serverless pour assister les agriculteurs de l'entreprise via WhatsApp, atteignant un temps de réponse moyen de 4 secondes par requête.
• Construction et déploiement de 3 Azure Functions pour une orchestration scalable et événementielle.
• Intégration d'un pipeline RAG permettant de fournir des réponses personnalisées et contextualisées à partir de +10 sources et documents.
• Conception et gestion d'un schéma PostgreSQL pour la recherche sémantique et le suivi de +3 projets agricoles.

Collaboration avec SHIFTBRICKS sur le traitement automatisé et l'extraction de données issues de documents juridiques.

• Conception d'un pipeline de données selon l'architecture Medallion pour traiter +80 documents juridiques arabes, avec extraction et structuration automatique en schémas JSON.
• Utilisation de l'OCR (Tesseract, EasyOCR) et de modèles LLM (Cohere) pour automatiser l'extraction de +15 champs/métadonnées par document.
• Stockage et gestion des métadonnées et embeddings dans MongoDB pour alimenter des applications d'IA.
• Automatisation du traitement via Airflow et développement d'une interface FARM (FastAPI, React) utilisée pour la validation par des experts.
• Conteneurisation de la solution avec Docker pour faciliter le déploiement et la scalabilité.