Description

Je construis des pipelines de données et des agents IA en production pour les PME et ETI françaises.

Spécialisé en Data Engineering et IA générative, j'interviens sur deux types de missions :

structurer et industrialiser la data (ingestion, transformation, orchestration) et déployer des systèmes intelligents, RAG métier, agents autonomes, orchestration LLM.

Mon rapport à la tech n'est pas académique. Enfant de Terminator, Alien et Matrix, j'ai grandi avec l'idée que les machines intelligentes ne sont pas de la science-fiction. Elles se construisent, ligne par ligne. C'est ce qui m'a poussé vers le Data Engineering et l'IA : l'envie de construire des systèmes qui font vraiment quelque chose, pas juste des slides.

Ce qui me différencie concrètement : j'ai construit et déployé Kirari, mon propre agent IA en production, avec mémoire vectorielle Qdrant, tools MCP sur mesure et boucle d'auto-amélioration. Un vrai système vivant que j'utilise au quotidien. C'est cette expérience que j'apporte directement à vos projets.

L'écosystème data et IA évolue vite, trop vite pour rester sur ses acquis. Je me forme en continu, je suis les sorties, je teste les nouveaux outils dès qu'ils émergent. Si une technologie de votre stack ne figure pas dans ma liste, ce n'est pas un blocage : apprendre vite et bien fait partie de mon travail, pas de mes excuses.

Mes missions types : audit data et IA (cartographie, roadmap chiffrée), déploiement de RAG sur vos documents internes, construction d'agents métier sur mesure pour automatiser vos workflows complexes.

Je travaille en forfait, avec un nombre de clients volontairement limité pour garantir un niveau d'implication réel sur chaque projet.

Stack complète :

• Data & Orchestration : Python, Prefect, Apache Airflow, PySpark, Kafka

• Stockage & bases : PostgreSQL, Qdrant, Elasticsearch, MongoDB, Cassandra, Neo4j

• IA & Agents : Claude API, MCP, RAG

• Infra & Déploiement : Docker, Kubernetes, Scaleway

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

BOVIS
Data engineer
AGENCE & SSII
février 2026 - Aujourd'hui (4 mois)
Bondoufle, France
Conception et implémentation complète d'une architecture de données géospatiale à grande échelle, couvrant 28 pays européens. Responsable de l'ensemble du cycle data : modélisation, ingestion, déduplication, enrichissement sémantique et préparation de la couche IA.

Ingestion & pipeline

• Ingestion et normalisation de ~50M de POI depuis 5 sources hétérogènes (Overture Maps, Foursquare OS Places, OpenStreetMap, Wikidata, GeoNames)

• Traitement multi-formats : GeoParquet (DuckDB + S3), PBF (pyosmium), JSON-LD, SPARQL, TSV

• Orchestration des flux avec Prefect, bulk inserts optimisés, gestion des idempotences et reruns

Modélisation & infrastructure

• PostgreSQL 16 + PostGIS + pgvector : partitionnement par pays, indexation spatiale GIST, vues matérialisées

• Architecture split-DB : base POI self-hosted + Supabase EU (Users/UGC) avec sync layer et pattern snapshot cross-base

• Infrastructure souveraine EU, conformité RGPD, 12 migrations SQL appliquées, 315 tests unitaires
Déduplication & qualité

• Pipeline de déduplication multi-stratégies : pivot identitaire Wikidata QID (conf. 0.99), cross-référencement Overture × Foursquare (0.95), matching géo-sémantique fuzzy pg_trgm + ST_DWithin

• Review queue pour les décisions sous seuil, audit log complet des décisions
Recommandation & IA

• Moteur de recommandation géosémantique : scoring multi-critères, filtres spatiaux, personnalisation par profil voyageur

• Pipeline embeddings multilingues BGE-M3 pour recherche vectorielle et matching sémantique (pgvector)

• Conception d'un agent IA conversationnel (LangGraph + Claude) avec architecture RAG sur le référentiel POI
PostgreSQL Python Prefect RAG ETL