Adrien Broussolle

Pilotage technique de trois équipes de Data Engineers pour une solution d’IA optimisant le processus industriel des malteries Soufflet. Deux équipes internes dédiées à la construction et au déploiement de l’ingestion de données, et une équipe externe chargée de la refonte scalable de l’ingestion, opérant en parallèle. ∘ Résultat : Déploiement de la solution de 4 à 9 malteries, refonte scalable de la solution réussie, division du temps de déploiement par 3, division des coûts par trois, mise en place d’un monitoring et d’un système de data quality. Réorganisation des équipes apportant cohésion et mentorat. ∘ Mission : Cadrage et suivi d’une équipe de prestataires en mode forfaitaire, management technique des équipes, priorisation des tâches techniques, proposition de solutions et mise en œuvre des bonnes pratiques, architecture et conception de la solution, mentorat et recrutement. Databricks, Databricks Workflow, Postgresql, PowerBi, SQL, Python sur Azure.

Maintenance et évolution du programme de fidélité Décathlon. ∘ Résultat : Passage de 10 à 11 millions de membres encartés en 2 ans, de 35.000 à 50.000 euro de CA quotidien. Changement d’échelle technique ayant permis de gérer un nombre d’utilisateurs cent fois supérieur au niveau initial. ∘ Mission : Fiabilisation de la production, proposition de solutions techniques, architecture et conception, mentorat et développement. Stack : Kafka, Kafka Streams, Redis, Kubernetes, Redshift, Databricks Dataproc, dbt, SQL, Python, Scala et Java sur AWS et GCP

Évolution du moteur de calcul de risque IFRS pour prendre en compte le réchauffement climatique. ∘ Résultat : Monté en compétence de l’équipe terminée, rapport de risque émis dans les temps, suggestion d’amélioration de performance pour les applications Spark. ∘ Mission : Développement conception technique, formation et explication des bonnes pratiques en Big Data et paridigme fonctionnel. Stack : Scala, Zio, Spark et HDFS

Refonte de la stratégie d’ingestion de la donnée dans le datalake et de son exposition avec qualification qualité dynamiquement adaptée à chaque besoin métier. Création d’un nouvel outil d’ingestion et migration du cluster Hadoop vers Azure. ∘ Résultat : 5 entités clientes accompagnées avec succès vers Azure. Adoption de la nouvelle stratégie d’ingestion comme stratégie recommandée à l’échelle du groupe. ∘ Mission : Pilotage opérationnel d’une équipe de 4 personnes, priorisation technique des tâches, gestion et communication des releases, recrutement, proposition de solutions techniques, architecture et conception, mentorat et développement. Stack : Databricks, Azure Data Factory, ADLS, Scala et tables delta

Audit de l’architecture d’un système d’information Big Data, composé d’une dizaine d’applications interconnectées avec des contraintes de faible latence et indisponibilité. ∘ Résultat : Apport d’une caution technique extérieure sur la validité du projet. Suggestion d’améliorations et signalement d’un bug de concurrence. ∘ Mission : Relecture des documents d’architecture, revue de code, échanges techniques, restitutions, synthèse comex. Stack : Confluent, Kafka, Spark, Spark‑streaming, HDFS et Hbase

Dans quel cas utiliser les technos big Data quels sont les différents composants possibles d'un architecture big Data. Quels impact et bénéfices métier…

Dans quel cas utiliser les technos big Data quels sont les différents composants possibles d'un architecture big Data.

Création d’un MVP pour le suivi des chaudières connectées «Ecare» pour la montée en gamme d’Engie. Passage d’une vente de matière première (gaz) à la vente d’un service de plus haute valeur garantissant la mise à disposition d’eau chaude. ∘ Résultat : MVP concluant, il sera transformé en service et distribué en Belgique, France, Italie, Pays‑Bas et Roumanie. ∘ Mission : Conception de l’architecture streaming, implémentation et déploiement sur AWS. Stack : Python avec AWS lambda, Kinesis, SQS et S3

Outils de consolidation des bilans de gestion et des bilans comptables du groupe à l’international pour permettre la génération des rapports FinRep et le respect de la réglementation FSB. ∘ Résultat : Mise en production de la première plateforme architecturée en microservices du groupe, présentation au niveau groupe. Gain de 3 jours sur la génération des rapports. ∘ Mission : Conception et développement d’une plateforme en fréquence augmentée. Membre du comité Big Data en charge de la rédaction des guides techniques, de la diffusion des bonnes pratiques et de la co‑validation des architectures techniques. Stack: Architecture microservices, Spark, Scala, Hadoop, PostgreSQL et API‑REST

Mise en place d’une plateforme destinée à la prédiction de panne du mobilier urbain. ∘ Résultat : Ingestion de la donnée et construction d’une ébauche de datalake réussie. ∘ Mission : Choix technologiques, conception, architecture, développement, recrutement, montée en compétences de l’équipe. Stack: Scala, Spark, Kafka Streams, Cassandra et HDFS

Développement de la plateforme big data SAMI dans la nouvelle équipe parisienne de Samsung Strategy and Innovation Center. En utilisant : Play, Akka, Akka, Spark Streaming, Kafka, MongoDB, ElasticSearch, Samza and Redis.

Création d’une plateforme de conseils en style de vie dans le secteur du luxe https://www.myinsiders.com. Gestion de projet agile avec Kanban. - En utilisant : Scala, Play, Rx Observable, Elasticsearch, Specs2,Slick, BDD Graph, Angular. - Initiative : Création de réunion technique favorisant le partage de connaissance.

Développeur back-end pour une application de gestion des ressources humaines du gouvernement Néerlandais. En utilisant Scala, Play et MongoDB.

Réalisation d'un Progiciel en Qt

Conception, réalisation technique et vie courante de site web en php/html et parfois mysql.

R&D framework C++ multitouch, multiplatformes utilisant OGRE3D et Boost

Gestion, entretien et extension du réseau informatique passé de 40 à 60 postes. Réseau architecturé autour de serveur Suse Linux et Windows serveurs virtualisés. Interventions de tous type : matériel, câblage et logiciel.

Animation de conférences sur les outils du logiciel libre destinés à aider les personnes en situation de handicap. Plusieurs thèmes étaient abordés tel que : Les assistants et efforts d'accessibilité des environnements unix «grand public». Les environnements et solutions dédiés. Les assistants pour la vie quotidienne.