Kylian Lafleur

Mission 3 : Stellantis (voir mission en dessous) Mission 2 : L'Oréal (voir mission en dessous) Mission 1 : Chatbot Interne (6 mois) • Développement d’un chatbot Slack interne intégré à Google Cloud, utilisé par environ 60 collaborateurs • Conception d’une architecture serverless (Cloud Functions, Pub/Sub, Firestore, BigQuery) • Intégration de LLM (Cohere, Groq) avec temps de réponse moyen de 5 secondes • Mise en place de pipelines d’ingestion multi-sources hebdomadaires alimentant le chatbot (Confluence, SharePoint, Web) • Automatisation des déploiements multi-environnements via Terraform • Planification de tâches automatisées via Cloud Scheduler • Implémentation du monitoring technique et gestion des logs

• Conception d'une solution de recherche documentaire basée sur l'IA générative • Développement de pipelines d'ingestion et d'indexation de contenus SharePoint • Configuration et optimisation d'Azure AI Search pour la recherche sémantique • Mise en œuvre d'une architecture RAG pour l'exploitation de connaissances internes • Développement d'un agent conversationnel via Copilot Studio • Intégration du chatbot dans Microsoft Teams pour les utilisateurs métiers • Documentation de l'architecture et accompagnement des équipes métier

• Mise en œuvre d'indicateurs de monitoring de l'adoption des produits digitaux • Création de modèles de données analytiques (datasets métiers, tables de faits / dimensions) • Mise en place de flux de données pour alimenter les usages analytiques et digitaux • Élaboration de dashboards et AppInsights pour le suivi de la performance et des usages • Contribution à la définition de l'architecture data (choix techniques, structuration des flux, bonnes pratiques) • Collaboration étroite avec les équipes produit, métier et IT pour garantir la cohérence des règles et des indicateurs • Décommissionnement de SAP BusinessObjects (SAP BO) et accompagnement de la transition vers des solutions analytiques modernes • Migration et réécriture de règles métier existantes vers un moteur de règles interne au groupe • Conception et implémentation des règles métier sous forme de requêtes SQL optimisées sur BigQuery

• Traitement et exploitation de grands volumes de données sur des clusters Hadoop (Cloudera) • Développement et mise en production de pipelines data en Python et SQL, via API et GitLab • Industrialisation de projets data en collaboration avec les équipes CRAFT • Conteneurisation d'applications avec Docker pour assurer leur portabilité et leur déploiement à l'échelle • Déploiement de solutions analytiques sur AWS, notamment via Amazon SageMaker • Mise en place de pipelines CI/CD avec GitLab pour automatiser les déploiements • Orchestration des workflows avec Apache Airflow pour optimiser la gestion des traitements • Supervision des systèmes avec la stack ELK, suivi des SLA et garantie des performances en production • Détection proactive d'incidents et mise en place de dashboards et d'alerting via Grafana • Collaboration avec les équipes sécurité et conformité pour assurer la robustesse des solutions • Contribution à une démarche continue d'innovation et de veille technologique

• Conception et industrialisation de pipelines de migration et transformation de données via Azure Data Factory et Databricks • Traitement et structuration de plusieurs millions d’enregistrements (données ferroviaires et RH) • Alimentation de bases de données destinées à l’analyse • Développement de tableaux de bord de suivi opérationnel • Documentation technique et collaboration en méthodologie agile