Parcours et compétences.

/ cv.pdf · cv.md
Depuis 2022, je construis des plateformes data pour 6 familles de secteurs : retail, e-commerce, marketing et média, industrie, secteur public, santé. 4+ ans à ingérer, modéliser, migrer, fiabiliser et mettre en dashboards des données, puis, depuis 2026, à y brancher l'IA de façon vérifiable.
Retail et grande distributionE-commerce et D2CMarketing, média et publicité digitaleIndustrieSecteur publicSanté et vétérinaire
profil
Toulouse, France
Français (natif) · Anglais professionnel courant
4+ ans · 19 missions et projets · 6 familles de secteurs

Ce que je fais.

/ en clair

J'ingère et je modélise les données

Je rassemble des sources multiples (API, Funnel, Airbyte, fichiers, SAP) dans BigQuery ou Snowflake, puis je les organise en couches Bronze, Silver et Gold avec dbt ou Dataform. Je pose les standards dbt (conventions, macros, tests) que les équipes réutilisent ensuite.

Exemples : GA4 en architecture Medallion · data foundations

Je migre et je modernise

Je fais passer des plateformes d'une technologie à une autre sans perdre la confiance dans les chiffres : une infrastructure legacy vers une Modern Data Stack pour une agence média, et la migration de plus de 1 000+ modèles dbt de Trino vers BigQuery pour un grand groupe industriel (95 %+ automatisés, équivalence des données vérifiée sur les modèles comparés).

Exemples : Migration vers un cloud de confiance (grand groupe industriel) · migration d'une infrastructure legacy vers une Modern Data Stack

Je rends les données fiables

Je mets en place ce qui évite les mauvaises surprises : tests dbt, monitoring de la qualité, alertes Slack quand une donnée manque ou dérive. Pour un grand groupe industriel, j'ai conçu un outillage de contrats de données (standard ODCS) contrôlé en CI et un package d'observabilité sur 5 piliers.

Exemples : Data contracts sur des data products SAP (grand groupe industriel) · Package dbt d'observabilité des données (grand groupe industriel) · dashboards unifiés, RLS et alerting

Je mets les données entre les mains des équipes

Sur chaque projet, je recueille les besoins, je documente et je forme : l'équipe de data engineers d'un grand groupe industriel (outillage de contrats adopté par 5+ data engineers), des formations dbt chez une agence média, des dashboards en libre-service (Looker Studio, Power BI, Metabase, Tableau) avec des droits d'accès par ligne quand il le faut.

Exemples : Migration vers un cloud de confiance (grand groupe industriel) · Data contracts sur des data products SAP (grand groupe industriel) · migration d'une infrastructure legacy vers une Modern Data Stack

Je pilote des projets data de bout en bout

Du cadrage à la mise en production : architecture, orchestration (Dagster, Kestra, Airflow), CI/CD avec les équipes DevOps, Terraform pour l'infrastructure. Je travaille en autonomie chez les clients comme sur mes propres projets, avec l'équipe DevOps du grand groupe industriel pour la CI/CD de la migration.

Exemples : Plein Data · Migration vers un cloud de confiance (grand groupe industriel)

J'ajoute de l'IA là où elle est vérifiable

Un assistant qui s'appuie sur 179 sources scientifiques et refuse hors de son périmètre (comportement mesuré sur 52 questions), une veille dont chaque sortie est validée par un schéma, un outil de migration livré sans IA à l'exécution. Quand l'IA tourne en production, sa sortie est bornée et mesurée ; pour la migration du grand groupe industriel, elle n'a servi qu'à concevoir l'outil.

Exemples : Berlioz · StackRadar

Repères : DataOps, data product, dbt, ELT, Medallion, ODCS, RLS
DataOps
Pratiques d’ingénierie (versionnement, tests, CI/CD, monitoring) appliquées aux pipelines de données.
Data product
Jeu de données géré comme un produit : propriétaire identifié, contrat, qualité surveillée et documentation.
dbt
Outil de transformation en SQL, versionné et testé, qui construit les tables d’analyse dans l’entrepôt de données.
ELT
Charger d’abord les données brutes, puis les transformer dans l’entrepôt, avec la puissance de calcul du cloud.
Medallion (Bronze, Silver, Gold)
Organisation des données en couches : brutes (Bronze), nettoyées et historisées (Silver), prêtes pour le métier (Gold).
ODCS (Open Data Contract Standard)
Format ouvert qui décrit un jeu de données : champs, types, sensibilité, règles de qualité.
RLS (Row-Level Security)
Droits d’accès par ligne : chaque utilisateur ne voit que les données qui le concernent.

Parcours — cliquer pour déplier.

/ 5 employeurs
Missions de conseil data pour Thélio et ses clients grands comptes : pilotage de projets data en autonomie, de la conception de l’architecture à la mise en production, animation de formations et participation aux avant-ventes.
Chiffres clés
  • 1 000+ modèles dbt
  • 95 %+ automatisés
  • ~5 % revue manuelle
  • 5+ data engineers adoptants
  • 5 piliers d’observabilité
PythonSQL (Trino, BigQuery)dbt Coredbt_audit_helpersqlglotDagsterS3NS (GCP)GitCI/CD
Conception de plateformes data de bout en bout pour des acteurs du retail, de l’e-commerce et du média : de l’architecture à la mise en production, avec la qualité des données, la fiabilité et la valeur métier comme critères.
Missions
Secteurs couverts
  • Santé, cosmétique et e-commerce
  • Retail et mode
  • E-commerce et digital
  • Édition juridique et formation
  • Distribution et industrie
  • Marketing et média
  • Retail et e-commerce
  • E-commerce et D2C
  • Tourisme et voyage
dbtSQLPythonLooker StudioFunnelAirbyteBigQueryGCPGA4
Audit, automatisation et refactoring de la plateforme data pour fiabiliser la qualité des données, simplifier les reportings et installer des bonnes pratiques dans l’équipe analytics.
Missions
Secteurs couverts
  • E-retail média et grande distribution
dbtPythonStreamlitSQLBigQuery
Refactoring et création de data marts multi-secteurs adaptés aux besoins de clients du secteur public, du secteur privé et d’établissements scolaires.
Missions
Secteurs couverts
  • EdTech et secteur public
dbtMetabaseSQLSnowflake
Mise en place de datasets spécialisés pour les équipes marketing et presse, et analyses approfondies pour piloter les activités marketing et commerciales.
Missions
Secteurs couverts
  • E-commerce et tourisme
SnowflakedbtTableauSQL

Compétences et outils.

/ stack complète →

Plateformes data modernes et multi-cloud

Trino vers BigQuery sur S3NS (1 000+ modèles dbt), BigQuery vers DuckDB sur Scaleway (Plein Data, dont DuckDB WASM), Snowflake.

Analytics engineering

Standards dbt livrés à des équipes clientes, macros, tests automatisés, CI/CD ; modélisation Medallion (Bronze, Silver, Gold).

Data contracts et gouvernance

Data contracts générés depuis les métadonnées et contrôlés en CI, adoptés par plus de 5 data engineers ; package d'observabilité (5 piliers).

Pipelines ELT et orchestration

Ingestion SAP, GA4, API, Airbyte et Funnel vers BigQuery ; orchestration Dagster, Kestra, Airflow.

IA générative et RAG

RAG en ligne sur 179 sources, évalué sur 52 questions ; veille LLM à sortie JSON validée.

Dataviz, self-service et sécurité

Dashboards pour la direction et les équipes métiers (Looker Studio, Power BI, Metabase), accès par Row-Level Security.

boîte à outils
Cloud et moteurs
Google Cloud Platform (BigQuery, Cloud Run, GCS, Dataform, Dataflow)SnowflakeTrinoScalewayS3NS
Transformation
dbt Core et CloudSQL avancéPython (FastAPI, Pandas, Streamlit, sqlglot)
DataOps : orchestration et CI/CD
DagsterKestraApache AirflowDockerTerraformGitLab CI/CDGit
Gouvernance et FinOps
Open Data Contract Standard (ODCS)Data contractsFinOps BigQueryAlerting Slack API
Ingestion
FunnelAirbyteStitchAPI RESTCouchdropCatchr
IA
Mistral AIGroqUpstash VectorEmbeddingsRAG
Dataviz
Looker StudioPower BITableauMetabase

Certifications et formation.

/ détail →
  • PL-300 Microsoft Power BI Data Analyst Associate · 2026
  • Partner Certification Program Level 1, Funnel · 2025
  • Master Data et IA, HETIC · 2024
  • MSc Structural and Functional Biochemistry, Université de Toulouse · 2020