Ayoub DBAGHI

Conception et exploitation d'un cluster Kubernetes de production sur AWS (EKS) hébergeant Djingo, une plateforme IA conversationnelle B2B d'Orange, service critique haute disponibilité pour les clients Entreprise. Développement de pipelines RAG et prompt engineering (OpenAI) : amélioration significative de la précision des réponses et réduction du taux d'escalade vers les agents humains. Gestion Infrastructure as Code via Terraform sur AWS multi-environnements (EKS, EC2, S3, IAM) pour une reproductibilité complète et élimination des dérives de configuration. Pipelines CI/CD GitLab avec déploiements zero-downtime sur Kubernetes (Blue/Green + rolling updates) de staging a production. Stack observabilité Prometheus + Grafana : dashboards temps reel, alerting proactif et suivi des SLA de disponibilité et performance. Développement microservices Python/Kotlin (FastAPI) : classification d'intention, recherche knowledge base, gestion état conversationnel. Administration MongoDB haute volumétrie : tuning d'index, optimisation des requêtes, gestion de l'état conversationnel et analytics. Conteneurisation Docker avec scan de sécurité (Trivy) et optimisation des images integres dans le pipeline CI.

Conception d'une plateforme de provisioning réseau automatisant le cycle de vie des ressources télécom résultant en une réduction significative des délais d'intervention manuelle. Pilotage de la transformation cloud-native : migration d'un monolithe legacy vers une architecture microservices conteneurisée (Docker, Kubernetes) avec maintien de la continuité de service. Pipelines CI/CD complets avec gates de tests automatises (unitaires, intégration, smoke tests) ; accélération de la cadence de livraison et réduction des incidents de déploiement. Industrialisation IaC (Terraform) : reproductibilité des environnements dev / staging / prod, élimination des dérives de configuration. Stack observabilité centralisée (logs, metriques, alerting) permettant une resolution d'incidents plus rapide sur l'ensemble de la plateforme. Interface technique transverse entre équipes produit, architecture et opérations pour aligner les décisions sur les contraintes métier telecom.

Conception et implémentation de pipelines ETL end-to-end sur AWS (S3, Lambda, Glue) : ingestion, transformation et consolidation de données multi-sources dans un data lake centralise. Développement de Framework de traitement batch en Python : transformations, contrôles qualité et validation de schémas a grande échelle. Structuration du data lake avec stratégies de partitionnement et catalogage (AWS Glue Data Catalog) pour exploitation analytique performante. Automatisation des traitements planifies via AWS Step Functions et CloudWatch Events pour une réduction des délais de livraison de plusieurs jours à quelques heures. Supervision et alerting pipelines : fraicheur des données, détection d'anomalies volumétriques, traçabilité des erreurs de transformation. Collaboration avec les data analysts et équipes métier pour la définition de contrats de données et la garantie de traçabilité end-to-end.