Description

Data Engineer indépendant, j'accompagne depuis 10 ans des équipes data en fintech et en banque, de l'ingestion jusqu'aux modèles exposés au métier. Mon fil conducteur : livrer des données non seulement disponibles, mais justes et fiables.

Mon expertise :

Data pipelines : conception et industrialisation de flux batch et temps réel (Spark/PySpark, BigQuery, Airflow, dbt), du prototype à la mise en production.

Qualité & fiabilité de la donnée : mise en place de contrôles automatisés et de détection d'anomalies. Chez BPCE, l'outil que j'ai conçu passe au crible plus de 1 000 combinaisons indicateur × axe à chaque clôture et a permis d'intercepter une dizaine d'anomalies majeures avant publication au métier.

Performance & FinOps : optimisation SQL, pré-agrégations et clustering pour réduire les coûts et les temps de traitement.

Standards & industrialisation : tests, CI/CD, modeling et gouvernance (Terraform, Authorized Views) pour des livrables maintenables dans la durée.

J'ai travaillé pour le Groupe BPCE (pilotage des paiements à l'échelle du To, 1 000+ utilisateurs Power BI internes), Younited (modélisation de tout le cycle de vie du crédit), la Société Générale (streaming temps réel Kafka/Spark, +1 To/jour) et iGraal (migration de l'ETL on-premise vers AWS).

Stack technique:

Python · SQL · dbt · Spark/PySpark · BigQuery · Airflow · Terraform — sur GCP et AWS.

Je suis également créateur et mainteneur de MockSQL, un outil open-source de tests unitaires locaux pour Data Engineers. Une manière de pousser plus loin ma conviction : fiabiliser la donnée avant la production, pas après.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Courbevoie (jusqu’à 50 km)

Groupe BPCE
Senior Data Engineer
BANQUE & ASSURANCES
septembre 2023 - Aujourd'hui (2 ans et 10 mois)
Charenton-le-Pont, France
• ● Modélisation et mise en production de données en Spark / BigQuery pour des dashboards de suivi des paiements (1000+ utilisateurs/mois), avec data sharing multi-entités
• ● Refonte des pipelines → réduction des temps de traitement et des coûts de calcul (-50 %)
• ● Mise en place de data sharing via authorized views (BigQuery) pour déléguer la gestion des accès
• ● Développement d'un système de détection d'anomalies (z-score) → amélioration de la qualité des données et réduction des incidents
• ● Développement d'algorithmes de détection d'attrition et de désactivation (marketing, pilotage)
• ● Modélisation sous Microsoft Power BI et POC Power BI Copilot
Big Query Google cloud DBT Terraform Airflow
Younited
Senior Data Engineer
BANQUE & ASSURANCES
mars 2021 - septembre 2023 (2 ans et 6 mois)
Paris, France
• ● Développement et mise en production de pipelines Spark / BigQuery couvrant l'ensemble du cycle de vie du crédit
• ● Déploiement de dbt pour l'équipe Data Science (CI/CD, Apache Airflow, onboarding) → adoption et fiabilisation des pipelines
• ● Mise en place d'un outil de data quality comparant données de production et datamart → détection et correction d'incohérences avec fort impact business
• ● Refonte de la modélisation des données historiques via un outil configurable unifiant plusieurs modèles
• ● Réalisation de migrations techniques sans régression (Spark 2 → 3, Airflow → Cloud Composer, Spark Streaming → Dataflow) → réduction des coûts et fiabilisation des pipelines
• ● Contribution à Karadoc, framework data open source basé sur PySpark
Google cloud Spark Terraform Airflow Gitlab CI/CD
iGraal
Senior Data Engineer
E-COMMERCE
janvier 2019 - mars 2021 (2 ans et 2 mois)
Paris, France
🔹 Re-platforming Cloud : migration de l'ETL historique on-premise vers une stack AWS moderne (EMR, Athena, Glue).
🔹 Marketing Analytics : modélisation et développements sur Spark pour le pilotage d'activité.
🔹 Développement de framework dbt-like pour refactoring du boilerplate code et mise en place de CI/CD
Google cloud DBT Airflow Spark Gitlab CI/CD