Aiman ZAKI

– Audit de l'existant et accompagnement des équipes projets, notamment "Optim Prepa" (optimisation des arrêts de tranche). – Définition des standards d'architecture (Golden Paths) pour uniformiser les déploiements. – Industrialisation des environnements de développement (DevContainers, laC Terraform). – Garantie d'un socle technique fiable et strictement conforme aux exigences de sécurité du secteur nucléaire.

Description: Modernisation du Core Banking System et conception de la nouvelle plateforme de données sur GCP. – Architecture & Conception : Définition de l'architecture technique de la plateforme de données (Data Lakehouse) sur GCP. Choix des composants pour l'ingestion et la transformation (BigQuery, Dataflow). – Infrastructure & Conteneurisation : Conception et déploiement de services managés via Docker et Kubernetes (GKE). Gestion de l'laC avec Config Connector, Helm et Kustomize pour des environnements cloisonnés et sécurisés. – Data & Streaming : Architecture des flux de données temps réel avec Kafka et Kafka Connect. – Industrialisation : Mise en place des standards de développement Python/DBT et des pipelines CI/CD (GitLab) pour assurer la qualité et la répétabilité.

Description: Conception et mise en place d'une stack Data & Machine Learning complète sur GCP. – Architecture IA/ML : Design de l'architecture MLOps intégrant Vertex Al pour le cycle de vie des modèles. – Déploiement Modèles & Sécurité : Exposition sécurisée des modèles via des endpoints sur GKE (Kubernetes) avec gestion d'accès SSO (Auth0) et monitoring (Datadog).

Description: Pilotage de la migration du Datawarehouse (Snowflake vers BigQuery) et refonte de la gouvernance GCP. – Stratégie de Migration : Analyse d'impact et définition de la feuille de route pour la migration de données massives vers un Data Lakehouse BigQuery. – Gouvernance & Sécurité (IAM) : Conception de la "Data Foundation" sur GCP : structure des projets, définition des rôles IAM, Service Accounts et sécurisation via Secret Manager. – Orchestration: Architecture des workflows de données avec Apache Airflow (Composer) et DBT. – FinOps: Optimisation des coûts de stockage et de calcul post-migration.

Description: Création "From Scratch" de la plateforme de données GCP (Move to Cloud). – Architecture Cloud Native : Conception d'une architecture Serverless (Cloud Run, Workflows, Eventarc, Cloud Tasks). – Ingestion & Transformation : Mise en place de pipelines Pub/Sub pour l'ingestion temps réel et transformations complexes via Dataform (Google). – DevOps : Setup complet de l'usine logicielle avec Terraform, Cloud Build et GitLab.

Description: Implémentation de la nouvelle "Data Factory" finance sur GCP. – Conception Pipelines : Architecture des flux d'ingestion (API Java, Scraping) vers BigQuery. – Transformation : Étude comparative et architecture de la couche de transformation (DBT vs Dataform) et définition du modèle de données (Staging/Service). – CI/CD : Conception des pipelines de déploiement continu sur GitLab CI/CD pour Cloud Run et Composer.

Description: Migration massive du Datawarehouse Legacy (Teradata) vers Google Cloud Platform. – Architecture Hybride & Migration : Conception de l'architecture cible sur GCP (GKE, Dataflow, BigQuery) en remplacement de l'existant On-premise. – Micro-services & Kubernetes : Développement et orchestration de micro-services Python sur Google Kubernetes Engine (GKE). – Orchestration Distribuée : Mise en œuvre de Cloud Composer (Airflow 2.0) pour l'orchestration de centaines de batchs complexes.