[nom]

Data Engineer

[e-mail] | [téléphone] | [lien] |

[lien]

RÉSUMÉ

Ingénieur en Data Engineering, je conçois des pipelines Big Data, des modèles de données analytiques et des solutions BI et d’IA pour construire des architectures robustes, évolutives et au service des métiers. En lien étroit avec les équipes métiers, j’analyse leurs besoins, les traduis en solutions data concrètes et m’assure qu’elles y répondent, afin de rendre la donnée pleinement exploitable pour la prise de décision.

EXPÉRIENCE PROFESSIONNELLE

Data Engineer | Groupe LVMH, Paris · Mai 2026 – Présent

Contexte

Modernisation de la data plateforme du Groupe Les Echos-Le Parisien (groupe LVMH) par migration vers une architecture

Data Mesh, et collaboration avec les métiers pour répondre à leurs besoins.

Missions

• Provisionné l’infrastructure GCP en Infrastructure as Code avec Terraform, pour des environnements reproductibles et versionnés.
• Ingéré les données publiques de l’INSEE vers Google Cloud Storage au format Parquet via des Cloud Run Jobs.
• Industrialisé le déploiement dans une pipeline CI/CD (Cloud Build, Cloud Deploy).
• Sécurisé l’accès au réseau public avec Secret Manager (stockage du certificat privé de l’entreprise).
• Transformé les données en SQL avec Dataform sur des tables externes BigQuery, avec traçabilité du lineage.
• Orchestré les flux avec Cloud Composer (Airflow 3).
• Assuré la maintenance corrective et évolutive des flux et recueilli les besoins des différentes équipes métiers pour livrer des données fiables et directement exploitables par le métier.

Environnement technique

Python, SQL, GCP, BigQuery, Cloud Storage, Cloud Run, Cloud Composer, Airflow, Dataform, Cloud Build, Cloud Deploy, Secret Manager, Terraform, Kubernetes (GKE), Parquet.

Data Engineer | ShiftBricks, Al Hoceima · Juil. 2024 – Sept. 2024

Contexte

Pipeline de données pour l’ingestion, la structuration et la traçabilité de documents juridiques, avec garantie de qualité des données.

Missions

• Développé un pipeline de données intégrant l’IA générative dans la phase de transformation pour fiabiliser la qualité des données.
• Extrait le contenu textuel de documents sources (PDF, HTML) par OCR.
• Extrait les métadonnées de chaque fichier avec des LLM et Python, puis structuré le contenu selon un schéma prédéfini et découpé les longs textes en chunks.
• Transformé les chunks en vecteurs d’embeddings pour l’équipe Data Science (système RAG d’un chatbot spécialisé en droit marocain).
• Mis en place une architecture Medallion (Bronze, Silver, Gold), orchestrée par 2 DAGs Airflow (∼4 min), avec une interface de validation humaine garantissant l’intégrité des données.

Environnement technique

Python, MongoDB, Airflow, PostgreSQL, SQL, NoSQL, FastAPI, React, OCR, LLM, Docker, Git, GitLab.

Data Scientist | Digital Place, Tanger · Fév. 2025 – Juil. 2025

Contexte

Système de monitoring en temps réel de plus de 1 000 semi-remorques, avec détection et reconnaissance de plaques.

Missions

• Développé des modèles de Deep Learning pour la détection et la classification de plaques (97,8 % de précision).
• Mis en place un OCR multilingue pour la lecture des plaques (87,5 % en arabe, 93,75 % en alphabet latin).
• Construit une empreinte unique (« ADN ») de chaque semi-remorque par Deep Learning pour prévenir la fraude.

Environnement technique

PyTorch, PaddleOCR, FastAPI, React.js, Docker, CI/CD (Bitbucket Pipelines), Hostinger VPS, Deep Learning, OCR.

ÉDUCATION

Université Claude Bernard Lyon 1 | Master en Data Science · 2025 – 2026

École nationale des sciences appliquées d’Al Hoceima | Diplôme d’ingénieur en Data Engineering · 2020 – 2025

COMPÉTENCES

• Langages : Python, SQL, PL/SQL, Java, Spring Boot, DAX.
• Big Data & BI : Spark, PySpark, Hadoop, Kafka, Airflow, Dataform, Delta Lake, Power BI, Power Query, modélisation en étoile.
• Bases de données : BigQuery, MySQL, Oracle, PostgreSQL, MongoDB, Cassandra, ClickHouse.
• Cloud & DevOps : GCP (Cloud Storage, Cloud Run, Cloud Composer, Cloud Build, Cloud Deploy), Azure (Databricks, Data Lake, Data Factory, Functions, Cosmos DB, Synapse Analytics), AWS (S3, EC2), Terraform, Docker, Kubernetes, Git, GitLab, GitHub.
• Machine Learning & IA : scikit-learn, PyTorch, LLM, RAG, classification, clustering, régression.

PROJETS

Pipeline de données d’analyse des brevets agricoles

Contexte

Pipeline ETL pour l’analyse de brevets agricoles issus de Google Patents, avec un Data Warehouse PostgreSQL en schéma en étoile et une restitution décisionnelle dans Power BI.

Missions

• Collecté et préparé les données de brevets depuis Google Patents, avec stockage dans MongoDB.
• Transformé les données avec PySpark et chargé le Data Warehouse PostgreSQL via un flux ETL, en structurant un schéma en étoile.
• Visualisé les données avec Power BI.
• Développé une interface utilisateur avec Flask pour faciliter l’interaction avec les données.

Environnement technique

MongoDB, PySpark, PostgreSQL, SQLAlchemy, Power BI, Flask.

Architecture Data Lakehouse & BI sur Azure Synapse Analytics

Contexte

Architecture Lakehouse hybride pour exploiter des métadonnées scientifiques (Scopus) via un schéma en étoile, unifiant la flexibilité du Data Lake et celle du Data Warehouse, avec restitution décisionnelle dans Power BI.

Missions

• Modélisé un schéma en étoile adapté aux besoins analytiques.
• Stocké les données transformées dans Azure Data Lake au format Parquet.
• Exposé les données via des External Tables Azure Synapse (SQL) pour un accès Zero-Copy, sans duplication ni temps de chargement.
• Créé des vues et requêtes SQL alimentant la couche BI.
• Connecté Power BI à Synapse, préparé les données avec Power Query et construit le modèle sémantique.
• Développé des mesures DAX et des filtres dynamiques pour produire des tableaux de bord décisionnels.

Environnement technique

Python, Pandas, Azure Synapse Analytics, Azure Data Lake, SQL, Power BI, Power Query, DAX.

CERTIFICATIONS

Google Cloud Professional Data Engineer (en cours) · – · Data Warehousing and BI Analytics Essentials (IBM)

ÉVÉNEMENTS

VivaTech 2026 avec Groupe Les Echos-Le Parisien (Paris) · – · Conférence internationale IFIP/IEEE 2024 (Tanger)

LANGUES

Français (courant), Anglais (professionnel), Arabe et Tamazight (langue maternelle).