Hakim SAGHIR

Contexte du projet : Moteur Data & Recommandation pour l’Agriculture Régénératrice Pernod Ricard engage une transformation majeure vers l’agriculture régénératrice afin de réduire son empreinte environnementale et d’accompagner ses fournisseurs dans cette transition. Le projet consiste à analyser l’état des cultures mondiales du groupe selon plusieurs dimensions clés — empreinte carbone, consommation d’eau, santé des sols, biodiversité, pratiques culturales — afin d’identifier les leviers d’amélioration et de mesurer l’impact des actions engagées. Pour soutenir cette transition, un moteur de recommandation a été conçu. Il évalue et priorise des pratiques agricoles issues de la recherche scientifique en fonction des caractéristiques propres à chaque culture et région, permettant de proposer aux agriculteurs des actions adaptées, mesurables et pertinentes. L’ensemble des analyses, diagnostics et projections est restitué au sein d’une application web interactive destinée aux équipes internes afin d’orienter leurs décisions opérationnelles et stratégiques. Réalisations : • Architecture technique du projet • Conception de pipelines de données sous Python, Spark et Databricks • Gestion et optimisation des modèles de données sur Snowflake avec DBT • Automatisation des workflows et intégration CI/CD • Développement et déploiement de l’application web Streamlit du projet • Rédaction de la documentation technique et fonctionnelle Environnement technique / fonctionnel / méthodologie : Python / Pandas / Spark / Databricks / DBT / Snowflake / API REST / Streamlit / Azure / ADF / Linux / Bash / PowerShell / Docker / Git / CI / CD / SonarQube

Chargé de TD/TP en programmation pour les sciences (Python, algorithmique) en Licence Informatique et Licence Physique

Contexte du projet : ESG Data Integrity & Compliance Framework BNP Paribas Asset Management manipule des volumes massifs de données provenant de nombreuses sources, internes comme externes (dont Aladdin – plateforme BlackRock). Dans un contexte réglementaire strict, la qualité, la cohérence et la traçabilité des données sont critiques afin d’éviter des erreurs d’analyse, des risques opérationnels ou des sanctions. Le projet visait à concevoir des pipelines Data capables d’évaluer automatiquement l’intégrité et la cohérence des données entre les différentes sources utilisées par les équipes ESG, Risk et Investment. Ces pipelines calculent des scores de qualité, détectent les écarts et anomalies, et alimentent ensuite des dashboards Power BI consultés par les équipes métier et IT, permettant de déclencher des procédures de remédiation ciblées. Réalisations : • Intégration des sources de données • Conception de pipelines ETL de contrôle qualité (cohérence, complétude, intégrité) • Automatisation des contrôles et des reportings Power BI • Mise en place et configuration des pipelines CI/CD Environnement technique / fonctionnel / méthodologie : Python / Pandas / Spark / SQL / API REST / Power BI / Azure / Linux / Bash / PowerShell / Docker / Git / CI / CD

Contexte des projets : • Vulnérabilités & dette technique • DPE : Prédiction des classes énergétiques de biens immobiliers • DPCF : Détection Précoce des Clients Fragiles Crédit Agricole Technologies & Services fournit les services IT pour les 39 caisses régionales du groupe. Au sein de l’équipe MSQC (Mesure, Suivi Qualité et Conformité), j’ai travaillé sur l’analyse des données issues des tests de qualité et sécurité (en utilisant des outils de tests comme OWASP DC, JFrog Xray) sur plus de 40 000 projets GitLab pour détecter les vulnérabilités et la dette technique. J’ai ensuite mis en place des pipelines automatisés et une plateforme web pour centraliser les alertes et permettre aux équipes de corriger rapidement les problèmes, réduisant ainsi le risque opérationnel et améliorant la fiabilité des applications internes. Au sein de UDA (Usages Data Avancés), j’ai contribué à deux projets ML. Le premier consistait à compléter la base des classes énergétiques des biens immobiliers, avec les classes manquantes prédites via un modèle ML sur lequel j’ai travaillé, afin de permettre à la banque de proposer des crédits pour la rénovation énergétique, en conformité avec la réglementation thermique. Le second projet visait à scorer la fragilité financière des clients, facilitant l’inclusion bancaire et l’offre de crédits personnalisés dans le cadre du KYC, tout en optimisant la performance commerciale. Réalisations : • Conception et déploiement de modèles ML pour la prédiction de classes énergétiques et le scoring clients • Conception et implémentation de pipelines data scalables sous Spark, Hadoop, Python, SQL et Dataiku • Intégration des outils de qualité et de sécurité dans les pipelines CI/CD • Développement d’une plateforme web centralisant les vulnérabilités de sécurité Environnement technique / fonctionnel / méthodologie : Python / Java / Pandas / Spark / SQL / Hive / Hadoop / Teradata / Dataiku / Scikit-Learn / Matplotlib / Power BI / MicroStrategy / Bash / Linux / Docker / Ansible / Git / GitLab CI/CD / SonarQube / JFROG Xray / ELK / JIRA / SCRUM

Contexte du projet : Pipelines et Applications de Suivi Qualité Nestlé Quality Assurance Center - NQAC assure le contrôle qualité et la conformité des produits Nestlé en France. Ma mission consistait à automatiser les processus internes et à fiabiliser les données de contrôle qualité. J’ai développé des applications desktop client–serveur, mis en place des pipelines de traitement des résultats d’analyses et automatisé des tâches via VBA, améliorant l’efficacité des équipes et la qualité du reporting. Réalisations : • Analyse des besoins métiers et fonctionnels • Gestion et optimisation de bases de données SQL • Conception et développement d’ETL en Python (Pandas, Dask) • Développement d’API REST avec Flask • Développement d’interfaces graphiques en Python (Tkinter) • Développement de macros VBA (reporting, validation, traitement des données) • Rédaction de la documentation technique et fonctionnelle Environnement technique / fonctionnel / méthodologie : Python / Pandas / SQL / Oracle / API REST (Flask) / Tkinter / VBA / PowerShell