Description

Diplômé d’un Master en Informatique (IA, Données et Connaissances) à l’Université Toulouse III, je combine expertise technique et curiosité pour transformer les données en insights actionnables. Fort de mon expérience chez Orange Innovation, je conçois des dashboards analytiques et écris des scripts notamment en Python pour répondre à tous types de problématiques. Parlant plusieurs langues et ouvert sur le monde, je m’intéresse particulièrement aux sports, à l’urbanisme, à la géographie et aux défis technologiques innovants. En parallèle de mes projets personnels, je cherche des nouvelles opportunités de progresser dans le domaine de la data.

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif
Allemand
Capacité professionnelle limitée
Espagnol
Notions
Italien
Notions
Japonais
Notions

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km), Toulouse (jusqu’à 50 km)

Orange Innovation
Data Analyst
mai 2023 - septembre 2024 (1 an et 4 mois)
Environnement DevSecOps pour la chaîne de production logicielle du groupe Orange, traitant des millions de logs et métriques DevOps issues de divers outils (GitLab CI/CD, Kubernetes, JFrog Artifactory...).

Optimisation des jobs GitLab CI/CD :
Analyse des logs via Elasticsearch/Kibana pour identifier les runners utilisant des services arrêtés. Scripts Python pour croiser les données et générer des rapports .xlsx. 90% de réduction des jobs problématiques après désactivation des pipelines inutiles.

Tableaux de bord Kibana/Grafana :
Refonte de 15+ visualisations pour suivre les erreurs, durées et tendances des jobs GitLab CI/CD. Intégration de nouvelles métriques JFrog Artifactory dans Grafana avec historique étendu. 20% de gain de temps pour le diagnostic.

KPI pour les équipes clientes :
Extraction des logs GitLab pour analyser l’usage d'images Docker. Rapports trimestriels et dashboard Kibana en self-service pour 30+ projets.

Sécurité Kubernetes avec Falco :
Déploiement de Falco sur 2 clusters tests pour capturer des données complémentaires. Configuration de Filebeat/Logstash pour envoyer les logs vers Elasticsearch. 10K+ logs traités/jour.

Prédictions SonarQube :
Modélisation des séries temporelles (Holt-Winters, Prophet) pour prédire les volumes de code analysé. 90% de précision validée pour les seuils de licence.

Chatbot RAG (Prisme.ai) :
Base de connaissances alimentée par 50+ pages de documentation. 90% des questions tests résolues correctement.

Qualification des services et gouvernance de données:
Inventaire des sources de logs, index Elasticsearch (90 To) et 30+ tableaux de bord. Mise à jour de 20+ liens documentaires.
Elastic Stack (ELK) Python Analyse de données Grafana RAG