Description

+9 ans d’expérience en Data Engineering & Intelligence Artificielle sur Google Cloud Platform.

Senior Data Engineer & Consultant IA freelance, j’accompagne les grands groupes dans l’industrialisation de leurs projets data et le déploiement de solutions d’IA générative en production — de la conception d’architectures cloud à la mise en service d’assistants conversationnels utilisés par 15 000 utilisateurs.

Missions réalisées pour des clients grands comptes : Servier, Sephora, Stellantis (ex-Groupe PSA), Louis Vuitton — dans la pharma, le retail, l’automobile et le luxe.

Ce que j’apporte concrètement :

➤ Data Engineering : conception et industrialisation de pipelines de données sur GCP (BigQuery, Composer, Cloud Functions, Pub/Sub, Dataproc), modélisation dbt, architectures Data as a Service, CI/CD et monitoring

➤ IA Générative (GenAI) : conception de pipelines LLM, architectures RAG, intégration Vertex AI, développement d’API Gateway IA (LangChain, LangGraph, FastAPI), bases vectorielles (PgVector, Weaviate), déploiement Cloud Run, observabilité via Langfuse

➤ Accompagnement & Lead : cadrage technique, architecture data & cloud, industrialisation, accompagnement des équipes métiers et techniques

Stack : Python, SQL, BigQuery, Cloud Run, Cloud Functions, Composer, Pub/Sub, Dataproc, Terraform, Docker, dbt, LangChain, LangGraph, Vertex AI, RAG, PgVector, Weaviate, Langfuse, FastAPI, GitLab CI/CD

5x Google Cloud Certified : Professional Data Engineer, Professional Cloud Architect, Professional Cloud Developer, Associate Cloud Engineer, Digital Leader | Dataiku Certified User

Disponible pour une nouvelle mission freelance (Data Engineer, Ingénieur IA, Lead Data) en Île-de-France ou full remote.

Contact :

Articles techniques : cheickcisse.medium.com

Langues

Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

Servier
Senior Data Engineer & IA
janvier 2023 - avril 2026 (3 ans et 3 mois)
Paris, France
Au sein du groupe pharmaceutique Servier, intervention sur deux axes stratégiques : la conception et le déploiement d'une plateforme Data as a Service (DaaS) à destination des filiales internationales, et la conception de solutions d'IA générative (GenAI) industrialisées à grande échelle.

IA Générative (GenAI) :
• • Conception et développement de pipelines LLM (RAG, LangChain, LangGraph, ADK) pour la création d'assistants conversationnels métier — 15 000 utilisateurs actifs en production
• • Développement et maintenance d'une API Gateway en Python (FastAPI) pour l'orchestration de LLM et l'intégration Vertex AI
• • Déploiement et industrialisation des services IA via Cloud Run (Load Balancer, auto-scaling, sécurisation des endpoints) avec Cloud SQL et PgVector
• • Monitoring, observabilité et MLOps : traçabilité des prompts, métriques de latence et qualité des réponses via Langfuse
• • Prompt engineering et amélioration continue des assistants : gestion des hallucinations, évaluation qualité, feedback utilisateur

Plateforme Data as a Service (DaaS) :
• • Conception d'environnements GCP préconfigurés pour accélérer le déploiement et l'intégration data des filiales internationales
• • Développement et automatisation de data pipelines ETL/ELT (ingestion, transformation, exposition) avec BigQuery, Cloud Functions, Composer et Pub/Sub
• • Industrialisation de modèles dbt pour la transformation et la modélisation des données dans BigQuery
• • Infrastructure as Code et CI/CD : Terraform, Docker, GitLab CI/CD avec templates réutilisables
• • Développement de services serverless (Cloud Run, Cloud Functions) pour la plateforme applicative
• • Monitoring des environnements et pipelines, accompagnement des filiales sur les bonnes pratiques cloud et data
Stack : Python, SQL, FastAPI, BigQuery, Cloud Run, Cloud Functions, Composer, Pub/Sub, Cloud SQL, PgVector, Weaviate, LangChain, LangGraph, ADK, Vertex AI, Langfuse, dbt, Terraform, Docker, GitLab CI/CD
Sephora
Data Engineer
mars 2021 - décembre 2022 (1 an et 9 mois)
Paris, France
Au sein du groupe Sephora, dans un contexte de forte croissance des activités data, intervention sur plusieurs projets GCP pour industrialiser la gestion des données liées aux solutions Employee (Finance, Retail, pays hors Europe).

Data Engineering & Pipelines :
• • Développement et automatisation de data pipelines d'ingestion et de transformation sur GCP (BigQuery, Cloud Functions, Composer, Pub/Sub)
• • Conception de POC et d'architectures data scalables pour les besoins analytiques des équipes métier
• • Industrialisation des modèles de transformation des données dans BigQuery avec Python et SQL
• • Mise en œuvre de tests unitaires, E2E et TNR pour garantir la fiabilité des pipelines en production
Machine Learning & Cloud :
• • Déploiement et intégration de modèles de Machine Learning avec Dataiku et BigQuery ML
• • Conception et déploiement d'architectures Cloud sur Google Cloud Platform
• • Mise en place de solutions de monitoring et de chaînes CI/CD (GitLab CI, Terraform)
Stack : Python, SQL, BigQuery, Cloud Functions, Composer, Pub/Sub, Dataiku, BigQuery ML, Terraform, GitLab CI/CD, GCP
Sephora
Data Engineer
COMMERCE DE DÉTAIL
mars 2021 - janvier 2023 (1 an et 10 mois)
Paris, France
Au sein du groupe Sephora, dans un contexte de forte croissance des activités data, intervention sur plusieurs projets GCP pour industrialiser la gestion des données liées aux solutions Employee (Finance, Retail, pays hors Europe).

Data Engineering & Pipelines :

- Développement et automatisation de data pipelines d'ingestion et de transformation sur GCP (BigQuery, Cloud Functions, Composer, Pub/Sub)
- Conception de POC et d'architectures data scalables pour les besoins analytiques des équipes métier
- Industrialisation des modèles de transformation des données dans BigQuery avec Python et SQL
- Mise en œuvre de tests unitaires, E2E et TNR pour garantir la fiabilité des pipelines en production

Machine Learning & Cloud :

- Déploiement et intégration de modèles de Machine Learning avec Dataiku et BigQuery ML
- Conception et déploiement d'architectures Cloud sur Google Cloud Platform
- Mise en place de solutions de monitoring et de chaînes CI/CD (GitLab CI, Terraform)

Stack : Python, SQL, BigQuery, Cloud Functions, Composer, Pub/Sub, Dataiku, BigQuery ML, Terraform, GitLab CI/CD, GCP
Google Cloud Platform Composer Python Docker Dataiku