EXPÉRIENCES PROFESSIONNELLES PROFESSIONAL EXPERIENCES

Depuis Septembre 2022 (4 ans) Since September 2022 (4 years)

Consultant Data & IA Indépendant Freelance Data & AI Consultant

PASSIONATE DATA

De Septembre 2025 à Aujourd'hui (1 an) From September 2025 to Present (1 year)

Analytics Engineer & Développeur Data App (GCP / Python) Analytics Engineer & Data App Developer (GCP / Python) @ SERVIER

Contexte : Création d'un Data Product de A à Z (Data Engineering & Application) pour le pilotage, la visualisation et la traçabilité des flux de la Supply Chain pharmaceutique. Context: Creation of a Data Product from scratch (Data Engineering & Application) for piloting, visualization, and traceability of pharmaceutical Supply Chain flows.

Missions & Réalisations : Missions & Achievements:

  • Analytics Engineering : Modélisation des données avec dbt sur BigQuery. Transformation des flux logistiques bruts en indicateurs métiers précalculés pour optimiser les performances.
  • Développement Application : Création from scratch d'une interface interactive en Python (Streamlit) offrant à la Supply Chain une visualisation sur mesure des transferts de produits.
  • Cloud & DevOps : Conteneurisation et déploiement serverless sur GCP via Cloud Run. Infrastructure as Code avec Terraform et automatisation des pipelines CI/CD via GitLab.
  • Delivery & Produit : Collaboration directe avec les utilisateurs finaux en méthodologie Agile (cycles courts) pour garantir l'adoption et le respect des normes pharmaceutiques.
  • Analytics Engineering: Data modeling with dbt on BigQuery. Transformation of raw logistics flows into pre-calculated business indicators to optimize performance.
  • Application Development: Creation from scratch of an interactive interface in Python (Streamlit) providing the Supply Chain with customized visualization of product transfers.
  • Cloud & DevOps: Containerization and serverless deployment on GCP via Cloud Run. Infrastructure as Code with Terraform and automation of CI/CD pipelines via GitLab.
  • Delivery & Product: Direct collaboration with end-users in Agile methodology (short cycles) to ensure adoption and compliance with pharmaceutical standards.

🏆 Impact & Résultats 🏆 Impact & Results

  • ⏱️ Performance technique : Déploiement automatisé permettant des mises en production quotidiennes sans interruption de service.
  • 🎯 Impact Business : Adoption par +50 utilisateurs métiers de la Supply Chain.
  • ⏱️ Technical Performance: Automated deployment enabling daily production releases without service interruption.
  • 🎯 Business Impact: Adoption by +50 business users in the Supply Chain.
GCP BigQuery Cloud Run Python Streamlit dbt Terraform GitLab CI/CD Git

De Septembre 2022 à Juin 2025 (2 ans et 9 mois) From September 2022 to June 2025 (2 years and 9 months)

Senior Data Engineer GCP - Marketing & Personnalisation @ CARREFOUR

Contexte : Conception et industrialisation d'une Data Platform Marketing (promotions ciblées) à fort volume, traitant plusieurs millions de transactions quotidiennes. Context: Design and industrialization of a high-volume Marketing Data Platform (targeted promotions), processing several million daily transactions.

Missions & Réalisations : Missions & Achievements:

  • Data Engineering & Orchestration : Refonte complète des pipelines de batch processing et de traitement massif avec PySpark sur Dataproc, BigQuery, et Dataform. Orchestration via Cloud Composer (Airflow).
  • MLOps & Industrialisation : Déploiement et industrialisation des algorithmes de Machine Learning (recommandation et ciblage) pour automatiser les campagnes marketing.
  • DevOps Data & FinOps : Automatisation de l'infrastructure en Terraform et création des pipelines CI/CD sous GitLab. Pilotage de l'optimisation des coûts GCP (règles de cycle de vie Cloud Storage, archivage, optimisation des requêtes SQL).
  • Delivery & Produit : Interface technique directe avec les équipes Produit et Marketing (Scrum) pour garantir l'alignement entre l'architecture Data et le time-to-market.
  • Data Engineering & Orchestration: Complete overhaul of batch processing pipelines and massive data processing with PySpark on Dataproc, BigQuery, and Dataform. Orchestration via Cloud Composer (Airflow).
  • MLOps & Industrialization: Deployment and industrialization of Machine Learning algorithms (recommendation and targeting) to automate marketing campaigns.
  • Data DevOps & FinOps: Infrastructure automation in Terraform and creation of CI/CD pipelines under GitLab. Management of GCP cost optimization (Cloud Storage lifecycle rules, archiving, SQL query optimization).
  • Delivery & Product: Direct technical interface with Product and Marketing teams (Scrum) to ensure alignment between Data architecture and time-to-market.

🏆 Impact & Résultats 🏆 Impact & Results

  • ⏱️ Performance technique : Réduction de 90 % du temps de traitement data (passage de 30h à 3h).
  • 🎯 Impact Business : Taux de conversion des campagnes marketing doublé (+100 %) grâce à la fiabilité du ciblage.
  • 💰 Optimisation : Réduction de la facture Cloud GCP via l'implémentation de règles FinOps strictes.
  • ⏱️ Technical Performance: 90% reduction in data processing time (from 30h to 3h).
  • 🎯 Business Impact: Marketing campaign conversion rate doubled (+100%) due to targeting reliability.
  • 💰 Optimization: Reduction in GCP Cloud bill through the implementation of strict FinOps rules.
GCP BigQuery Dataproc Cloud Storage Pub/Sub Cloud Composer Python PySpark SQL Airflow Dataform Terraform GitLab CI/CD Agile/Scrum Scrum / Agile

De Mars 2020 à Août 2022 (2 ans et 6 mois) From March 2020 to August 2022 (2 years and 6 months)

Consultant Data Senior Senior Data Consultant

KEYRUS

De Septembre 2021 à Août 2022 (1 an) From September 2021 to August 2022 (1 year)

Data Product Owner & Analytics Engineer GCP @ L'ORÉAL

Contexte : Pilotage à l'international de produits Data analytiques et modernisation complète de la Data Platform (migration des systèmes legacy SAP et Teradata vers GCP). Context: International management of analytical Data products and complete modernization of the Data Platform (migration of legacy SAP and Teradata systems to GCP).

Missions & Réalisations : Missions & Achievements:

  • Product Management & Gouvernance : Pilotage de la roadmap et du backlog (Agile/Scrum). Animation des comités de gouvernance et alignement stratégique entre les directions métiers et techniques à l'international.
  • Data Engineering & Migration Cloud : Conduite de la migration complexe de centaines de tables critiques depuis SAP HANA et Teradata vers GCP (BigQuery).
  • Analytics Engineering & BI : Modélisation de la donnée avec dbt sur BigQuery pour simplifier les calculs intermédiaires. Gestion du cycle de vie complet jusqu'à la publication des dashboards Power BI.
  • Data Quality & DevOps Data : Garantie de la fiabilité des flux analytiques (standards de qualité, supervision UAT). Automatisation des déploiements via GitLab CI et Infra-as-Code (Terraform).
  • Product Management & Governance: Management of roadmap and backlog (Agile/Scrum). Facilitation of governance committees and strategic alignment between business and technical departments internationally.
  • Data Engineering & Cloud Migration: Led the complex migration of hundreds of critical tables from SAP HANA and Teradata to GCP (BigQuery).
  • Analytics Engineering & BI: Data modeling with dbt on BigQuery to simplify intermediate calculations. Full lifecycle management up to the publication of Power BI dashboards.
  • Data Quality & Data DevOps: Ensuring the reliability of analytical flows (quality standards, UAT supervision). Deployment automation via GitLab CI and Infra-as-Code (Terraform).

🏆 Impact & Résultats 🏆 Impact & Results

  • 🚀 Performance : Accès aux données 2x plus rapide pour le reporting stratégique de la direction.
  • ✔ Qualité : Fiabilisation totale des flux à l'international grâce aux standards de tests et de contrôle.
  • 🚀 Performance: 2x faster data access for executive strategic reporting.
  • ✔ Quality: Total reliability of international flows thanks to testing and control standards.
GCP BigQuery Cloud Composer Cloud Storage dbt Power BI Elasticsearch SAP HANA Teradata Terraform GitLab CI/CD Scrum / Agile

De Septembre 2020 à Août 2021 (1 an) From September 2020 to August 2021 (1 year)

Senior Data Engineer GCP @ EIFFAGE

Contexte : Industrialisation (MLOps) de la chaîne prédictive de rentabilité des chantiers : passage d'un modèle R&D à une solution de production robuste sur GCP. Context: Industrialization (MLOps) of the predictive profitability chain for construction sites: transition from an R&D model to a robust production solution on GCP.

Missions & Réalisations : Missions & Achievements:

  • Data Engineering & Ingestion : Création de pipelines d'extraction des bases opérationnelles (MS SQL Server) vers GCP (Cloud Storage, BigQuery) pour consolider les données d'entraînement et d'inférence.
  • MLOps & Batch Processing : Refactorisation du code R&D (Python), conteneurisation (Docker, Artifact Registry) et déploiement du modèle sur Cloud Run pour l'exécution automatisée des prédictions en batch processing.
  • Orchestration & DevOps Data : Automatisation complète de la chaîne de préparation de données et d'inférence via Cloud Composer (Airflow). Implémentation des pipelines CI/CD (Cloud Build, GitLab CI).
  • Data Quality & Delivery : Développement d'un framework de tests automatisés (Pytest) pour garantir la fiabilité des flux. Rédaction des spécifications d'architecture et transfert de compétences aux équipes RUN.
  • Data Engineering & Ingestion: Creation of extraction pipelines from operational databases (MS SQL Server) to GCP (Cloud Storage, BigQuery) to consolidate training and inference data.
  • MLOps & Batch Processing: Refactoring of R&D code (Python), containerization (Docker, Artifact Registry), and model deployment on Cloud Run for automated batch prediction execution.
  • Orchestration & Data DevOps: Complete automation of the data preparation and inference chain via Cloud Composer (Airflow). Implementation of CI/CD pipelines (Cloud Build, GitLab CI).
  • Data Quality & Delivery: Development of an automated testing framework (Pytest) to ensure flow reliability. Drafting of architectural specifications and skills transfer to RUN teams.

🏆 Impact & Résultats 🏆 Impact & Results

  • ⚙️ Mise à l'échelle : Transformation réussie d'un code expérimental (R&D) en une architecture Cloud serverless, scalable et 100% automatisée.
  • ✔️ Fiabilité : Sécurisation des données injectées dans le modèle grâce aux contrôles de Data Quality continus.
  • ⚙️ Scaling: Successful transformation of experimental code (R&D) into a serverless, scalable, and 100% automated Cloud architecture.
  • ✔️ Reliability: Securing data injected into the model through continuous Data Quality controls.
GCP BigQuery Cloud Storage Cloud Run Cloud Composer Cloud Build Python Pandas Pytest MS SQL Server T-SQL Docker Airflow GitLab CI Scrum / Agile

De Mars 2020 à Août 2021 (6 mois) From March 2020 to August 2021 (6 months)

Data Analyst & Data Quality Lead @ AGENCE DE BIOMÉDECINE

Contexte : Audit national de la qualité des données de santé et définition de la stratégie de Data Governance pour plus de 400 centres de greffe cardiaque. Context: National audit of health data quality and definition of the Data Governance strategy for over 400 heart transplant centers.

Missions & Réalisations : Missions & Achievements:

  • Data Quality & Audit : Conduite d'un audit d'envergure nationale sur les flux de données critiques de +400 centres hospitaliers afin de mesurer la fiabilité des registres de santé.
  • Data Science & Scoring : Modélisation et développement en Python (Scikit-learn, Pandas) d'un algorithme de scoring. Implémentation de modèles de détection d'anomalies pour évaluer et classifier la fiabilité des données.
  • Data Governance & Stratégie : Identification des biais structurels majeurs et élaboration de nouvelles directives officielles pour standardiser la collecte au niveau national.
  • Advisory & Restitution : Rédaction et présentation du rapport stratégique aux instances décisionnelles, posant les fondations de la nouvelle politique de contrôle qualité.
  • Data Quality & Audit: Conducted a nationwide audit on the critical data flows of +400 hospitals to measure the reliability of health registries.
  • Data Science & Scoring: Modeling and development in Python (Scikit-learn, Pandas) of a scoring algorithm. Implementation of anomaly detection models to evaluate and classify data reliability.
  • Data Governance & Strategy: Identification of major structural biases and development of new official guidelines to standardize collection at the national level.
  • Advisory & Restitution: Drafting and presenting the strategic report to decision-making bodies, laying the foundations for the new quality control policy.

🏆 Impact & Résultats 🏆 Impact & Results

  • 🎯 Échelle nationale : Cartographie et audit des données sur un réseau critique de +400 centres médicaux.
  • ✔️ Fiabilisation : Création d'un référentiel de scoring automatisé permettant d'isoler et de corriger les incohérences de saisie.
  • 🏛️ Gouvernance : Définition et adoption par les instances décisionnelles des nouvelles normes officielles de collecte de données.
  • 🎯 National Scale: Mapping and auditing of data across a critical network of +400 medical centers.
  • ✔️ Reliability: Creation of an automated scoring repository to isolate and correct input inconsistencies.
  • 🏛️ Governance: Definition and adoption by decision-making bodies of new official data collection standards.
Data Governance Data Quality Python Scikit-learn Pandas NumPy Statistiques descriptives Descriptive Statistics Santé publique Public Health

De Mars 2017 à Février 2020 (3 ans) From March 2017 to February 2020 (3 years)

Consultant Data Senior Senior Data Consultant

PUBLICIS ETO

De Mars 2018 à Février 2020 (2 ans) From March 2018 to February 2020 (2 years)

Data Engineer GCP - Marketing & Personalisation @ CARREFOUR

Contexte : Conception et industrialisation de la Data Platform d'une solution de ciblage marketing omnicanal à fort impact financier. Context: Design and industrialization of the Data Platform for an omnichannel marketing targeting solution with high financial impact.

Missions & Réalisations : Missions & Achievements:

  • Data Engineering & Migration : Création des pipelines fondateurs de batch processing sur GCP pour l'extraction massive de données depuis les bases legacy (Teradata) vers BigQuery et Cloud Storage.
  • Architecture Event-Driven : Mise en place d'une infrastructure serverless orientée événements (Cloud Functions, App Engine, Firestore, Pub/Sub) pour alimenter les moteurs de personnalisation à très grande échelle.
  • MLOps & Data Science : Développement de modèles prédictifs de propension d'achat (Python, Scikit-learn) et industrialisation de leur chaîne d'entraînement et de scoring.
  • Delivery & Stratégie Business : Traduction des enjeux marketing en spécifications techniques (Agile/Scrum) pour garantir un alignement total avec les objectifs de rentabilité.
  • Data Engineering & Migration: Creation of foundational batch processing pipelines on GCP for massive data extraction from legacy databases (Teradata) to BigQuery and Cloud Storage.
  • Event-Driven Architecture: Implementation of a serverless event-driven infrastructure (Cloud Functions, App Engine, Firestore, Pub/Sub) to power personalization engines on a very large scale.
  • MLOps & Data Science: Development of predictive propensity-to-buy models (Python, Scikit-learn) and industrialization of their training and scoring chain.
  • Delivery & Business Strategy: Translation of marketing issues into technical specifications (Agile/Scrum) to ensure full alignment with profitability objectives.

🏆 Impact & Résultats 🏆 Impact & Results

  • 🚀 Rentabilité (ROI) : 5 € générés pour 1 € investi grâce à la précision du ciblage prédictif.
  • 🎯 Business : Maximisation du taux de conversion des offres marketing via le scoring automatisé.
  • ⚙️ Scalabilité : Modernisation réussie du socle de données (passage de Teradata à une architecture GCP serverless et robuste).
  • 🚀 Profitability (ROI): €5 generated for every €1 invested due to the precision of predictive targeting.
  • 🎯 Business: Maximization of the conversion rate of marketing offers via automated scoring.
  • ⚙️ Scalability: Successful modernization of the data foundation (transition from Teradata to a serverless and robust GCP architecture).
GCP BigQuery Dataproc Cloud Storage Pub/Sub Cloud Composer Firestore App Engine Compute Engine Python PySpark SQL Airflow Dataform Terraform GitLab CI/CD Scrum / Agile

De Mars 2017 à Février 2018 (1 an) From March 2017 to February 2018 (1 year)

Data Scientist - NLP & Automation @ RELAXNEWS

Contexte : Conception et industrialisation d'un moteur NLP (Natural Language Processing) de classification documentaire et de recherche full-text pour automatiser les processus métiers. Context: Design and industrialization of an NLP (Natural Language Processing) classification and full-text search engine to automate business processes.

Missions & Réalisations : Missions & Achievements:

  • Data Engineering & Ingestion : Automatisation de bout en bout des pipelines d'extraction des données brutes depuis MS SQL Server.
  • Data Science & NLP : Audit du corpus textuel, ingénierie des caractéristiques (Text Mining, vectorisation TF-IDF/Embeddings) et développement d'algorithmes de classification avec Python (Scikit-learn).
  • Search Engine & Architecture : Intégration et configuration d'Elasticsearch pour l'indexation massive des documents et la restitution des prédictions.
  • Delivery & Change Management : Rédaction de la documentation d'architecture, restitution des métriques de performance et accompagnement des utilisateurs métiers vers le nouvel outil.
  • Data Engineering & Ingestion: End-to-end automation of raw data extraction pipelines from MS SQL Server.
  • Data Science & NLP: Textual corpus audit, feature engineering (Text Mining, TF-IDF/Embeddings vectorization), and development of classification algorithms with Python (Scikit-learn).
  • Search Engine & Architecture: Integration and configuration of Elasticsearch for massive document indexing and prediction retrieval.
  • Delivery & Change Management: Drafting architectural documentation, presenting performance metrics, and supporting business users with the new tool.

🏆 Impact & Résultats 🏆 Impact & Results

  • 🚀 Automatisation : Remplacement d'un processus de tri documentaire 100 % manuel par un pipeline automatisé de bout en bout.
  • ✔️ Précision IA : Atteinte d'un score de fiabilité de 90 % sur la catégorisation automatique des documents.
  • ⏱️ Productivité : Accélération drastique du temps de recherche et d'accès à l'information pour les équipes opérationnelles grâce au moteur full-text.
  • 🚀 Automation: Replacement of a 100% manual document sorting process with an end-to-end automated pipeline.
  • ✔️ AI Accuracy: Achieved a 90% reliability score on automatic document categorization.
  • ⏱ Productivity: Drastic acceleration in search time and information access for operational teams thanks to the full-text engine.
Python Scikit-learn Pandas NLP TF-IDF Embeddings Text Mining Elasticsearch MS SQL Server T-SQL Architecture Data Data Architecture

De Mars 2015 à Février 2017 (2 ans) From March 2015 to February 2017 (2 years)

Data Scientist & Social Intelligence Analyst

PUBLICIS CONSEIL

Contexte : Traitement de données massives non structurées (Social Listening), modélisation NLP et génération d'insights stratégiques pour le compte d'acteurs majeurs (CAC 40). Context: Processing of massive unstructured data (Social Listening), NLP modeling, and generation of strategic insights for major accounts (CAC 40).

Missions & Réalisations : Missions & Achievements:

  • Data Engineering & Ingestion : Conception de pipelines pour l'extraction et la préparation de données massives non structurées issues des réseaux sociaux (APIs, MongoDB).
  • Data Science & NLP : Développement sous Python (Scikit-learn, Gensim) d'un moteur temps réel de détection d'incidents (Topic Modeling, Text Mining) pour analyser la connectivité réseau.
  • Analytics & Modélisation : Création de modèles comportementaux (clustering, analyse sémantique et géolocalisation) pour accompagner la transformation digitale des clients.
  • Data to Business : Traduction d'analyses de données complexes en recommandations opérationnelles directes pour les équipes marketing et créatives.
  • Data Engineering & Ingestion: Conception of pipelines for the extraction and preparation of massive unstructured data from social networks (APIs, MongoDB).
  • Data Science & NLP: Development in Python (Scikit-learn, Gensim) of a real-time incident detection engine (Topic Modeling, Text Mining) to analyze network connectivity.
  • Analytics & Modeling: Creation of behavioral models (clustering, semantic analysis, and geolocation) to support clients' digital transformation.
  • Data to Business: Translation of complex data analyses into direct operational recommendations for marketing and creative teams.

🏆 Impact & Résultats 🏆 Impact & Results

  • 🚀 Business Impact (Orange) : Extraction de l'insight stratégique ayant directement déclenché et nourri la campagne publicitaire nationale « La Fibre 100% Fibre » d'Orange.
  • 🏆 Récompense (AccorHotels) : Lauréat du Prix SILVER au Cristal Festival pour la campagne data-driven #FeelWelcomeFromThe1stTweet.
  • ⭐ Déploiement Grands Comptes : Adoption des modèles prédictifs et analytiques par des leaders de l'industrie (AXA, BNP Paribas, Sanofi, Nestlé, Renault, ENGIE).
  • 🚀 Business Impact (Orange): Extraction of the strategic insight that directly triggered and fed the creation of the national advertising campaign « La Fibre 100% Fibre » d'Orange.
  • 🏆 Award (AccorHotels): Winner of the SILVER Award at the Cristal Festival for the data-driven campaign #FeelWelcomeFromThe1stTweet.
  • ⭐ Major Account Deployment: Adoption of predictive and analytical models by industry leaders (AXA, BNP Paribas, Sanofi, Nestlé, Renault, ENGIE).
Python Scikit-learn Gensim R NLP Topic Modeling Sentiment Analysis Text Mining MongoDB Social Media APIs Synthesio Netbase Data Marketing