Lucas Vigier

Alstom est un leader mondial de la mobilité intelligente et durable, présent dans plus de 60 pays et fort de plus de 80 000 collaborateurs. Le groupe français conçoit et livre une gamme complète de solutions de transport ferroviaire — du tramway au train à très grande vitesse — ainsi que des systèmes de signalisation, de maintenance et de services numériques, au service d'opérateurs de transport partout dans le monde. En tant que Data Engineer, ma mission consistait à concevoir une architecture capable d'agréger des données hétérogènes, issues de sources multiples et non uniformes, afin de produire un reporting fiable et adapté aux besoins spécifiques de chaque projet. L'enjeu était de transformer des données dispersées et de formats variés en une base consolidée et exploitable, servant de socle commun à des analyses sur-mesure. Mes responsabilités couvraient l'ensemble de la chaîne de traitement de la donnée : - Conception et mise en place d'une architecture d'agrégation centralisant des données hétérogènes provenant de sources et de formats variés. - Développement de flux de collecte et de normalisation pour uniformiser des données initialement non structurées ou incohérentes, garantissant leur qualité et leur cohérence. - Modélisation d'une couche de données consolidée servant de référentiel commun aux différents projets. - Conception et développement de reportings spécifiques, adaptés aux indicateurs et aux besoins métier propres à chaque projet. Ces travaux ont eu un impact direct sur l'exploitation et la valorisation des données : - Centralisation et fiabilisation de données auparavant dispersées et hétérogènes, facilitant leur exploitation. - Mise à disposition d'un reporting adapté à chaque projet, accélérant la prise de décision côté métier. - Standardisation et automatisation des traitements, réduisant les manipulations manuelles et simplifiant la maintenance. Environnement technique : Python, SQL, Azure, Flask, Snowflake, DBT

Eolia Software est un éditeur français de logiciel SaaS, un des leaders sur le marché de la gestion du recrutement (ATS). Depuis sa création en 2003, l'entreprise accompagne plus de 400 clients et des milliers de recruteurs au quotidien grâce à sa solution complète et personnalisable. En tant que Data Engineer dans le pôle Data, mon objectif principal était de moderniser l'infrastructure data de l'entreprise : automatiser les processus manuels chronophages, fiabiliser les flux de données et refondre l'offre BI pour améliorer la scalabilité et la satisfaction client. Mes responsabilités couvraient un large spectre de l'ingénierie des données : - Développement de flux de données sur-mesure (synchronisation inter-logiciels, exports complexes) pour les clients avec ETL et C#. - Modernisation de l'existant en migrant d'anciens processus ETL développés en Pentaho vers des technologies plus robustes et testables comme .NET et SSIS. - Automatisation complète du processus de reprise de données (migration depuis d'anciens ATS). J'ai conçu et développé un outil en Python qui a transformé un processus manuel de plusieurs jours en une tâche de paramétrage de quelques heures. - Pilotage de la refonte de l'offre BI : conception d'un nouveau modèle de Data Mart, automatisation de sa création et de son alimentation (SSIS), et développement de templates Power BI pour les clients. Ces projets ont eu un impact direct et mesurable sur l'efficacité opérationnelle et la qualité de service : - Le temps nécessaire pour une migration de données client a été grandement réduit. - Augmentation de la fiabilité des flux de données critiques, réduisant les erreurs de production et améliorant la confiance des clients dans les données synchronisées. - Standardisation des développements, permettant des livraisons plus rapides et une maintenance grandement simplifiée. Environnement technique : SQL Server, T-SQL, Python, SSIS, C#, .NET, Power BI, ETL, BI.

Dans le cadre de mon expérience chez Keyrus, j’ai eu l’occasion de travailler chez Imaweb. Imaweb (devenu Nextlane) est le leader européen des logiciels (DMS/CRM) pour l'industrie automobile. Issu de la fusion de nombreuses sociétés, le groupe accompagne des milliers de concessionnaires et constructeurs, compte plus de 900 employés et a dépassé les 100M€ de chiffre d'affaires. J'ai été missionné en tant que Data Engineer pour répondre à un défi majeur post-acquisitions : l'unification d'un paysage informatique hétérogène. L'objectif était de concevoir un Data Warehouse central pour consolider les données des multiples ERP et CRM, et d'y intégrer des règles de gouvernance claires. Mes responsabilités se sont concentrées sur la construction de ce référentiel unique : - Conception de l'architecture du Data Warehouse sur SQL Server. - Développement de flux ETL complexes avec SSIS pour extraire, transformer et unifier les données des différents systèmes. - Mise en place de la gouvernance (Master Data) : dé-duplication des entités (clients, etc.) et définition des systèmes "maîtres" pour chaque donnée. - Développement en SQL des procédures stockées assurant la cohérence et la fiabilité du Data Warehouse. Impacts et résultats concrets : - Création d'un référentiel de données unique, éliminant les silos et les incohérences. - Mise en place d'une gouvernance des données fonctionnelle, garantissant la fiabilité des informations pour toute l'entreprise. - Fourniture d'une source de données propre et structurée, prête à être exploitée pour des analyses BI stratégiques. - Fondation d'une infrastructure data scalable, capable de supporter la croissance future du groupe. Environnement technique : SQL Server, T-SQL, SSIS, ETL, Data Warehousing, Master Data Management (MDM), Gouvernance de données, BI.

Dans le cadre de mon expérience chez Keyrus, j’ai eu l’occasion de travailler avec Solucia. Acteur majeur de la LegalTech, Solucia est un assureur en protection juridique qui facilite l'accès au droit pour tous. Créée en 2005, l'entreprise réalise près de 40M€ de CA, compte 85 collaborateurs et accompagne 3 millions de particuliers. Missionné en tant que Data Engineer, j'ai piloté la modernisation de leur plateforme décisionnelle. L'objectif : remplacer le reporting manuel (basé sur Dynamics et Excel) par une solution 100% automatisée sur Azure, en lien direct avec les équipes métiers et la direction de l'entreprise. Mes responsabilités couvraient l'ensemble de la chaîne de valeur BI : - Développement de pipelines de données sur Azure Data Factory pour ingérer les sources (Dynamics, CSV). - Mise en place d'une architecture de stockage Medallion (Bronze, Silver, Gold) sur Azure. - Construction et modélisation du Data Warehouse (couche Gold). - Développement des transformations de données complexes en T-SQL (procédures stockées). - Création des rapports et des tableaux de bord interactifs sur Power BI. Impacts et résultats : - Centralisation de 100% des données de reporting dans un Data Warehouse unique. - Réduction du temps de production des rapports de plusieurs jours à quelques minutes grâce à l'automatisation. - Déploiement de dashboards Power BI pour un pilotage en temps réel de l'activité. - Livraison d'une plateforme BI d'entreprise, scalable et pérenne sur Azure. Environnement technique : Microsoft Azure, Azure Data Factory, Azure SQL Database, Power BI, T-SQL, Microsoft Dynamics 365, DAX, Data Warehousing, ETL, Architecture Medallion, BI.

Keyrus est un acteur international du conseil et des technologies, spécialiste de la Data et du Digital. Créé en 1996, le groupe compte plus de 3000 collaborateurs dans une vingtaine de pays et réalise un chiffre d'affaires supérieur à 300M€. Dans le cadre d'une mission interne pour le pôle Data, j'ai été chargé de développer une solution d'analyse du marché de l'emploi. L'objectif était de fournir à l'équipe de recrutement des insights précis sur les tendances du marché lyonnais, afin d'optimiser leur stratégie d'acquisition de talents. En tant que Data Engineer, j'ai piloté ce projet de bout en bout : - Développement d'un script de web scraping en Python pour collecter les offres d'emploi "Data" sur la plateforme Indeed. - Traitement et nettoyage des données textuelles non structurées avec Azure Databricks pour les préparer à l'analyse. - Stockage des données propres dans un Data Warehouse sur l'environnement Azure. - Création d'un tableau de bord interactif sur Power BI pour visualiser les tendances clés (postes, compétences, volumes d'offres). Impacts et résultats concrets : - Mise à disposition d'une vision claire et chiffrée du marché de l'emploi data local, basée sur des données réelles. - Création d'un dashboard permettant d'identifier les compétences et les intitulés de poste les plus recherchés pour guider les priorités de recrutement. - Livraison d'un outil automatisé et reproductible, capable de suivre l'évolution du marché dans le temps. Environnement technique : Python, Web Scraping (Beautiful Soup/Scrapy), Azure Databricks, Power BI, SQL, Data Warehousing, ETL, Market Intelligence.

Ryax est un éditeur de logiciels spécialisé dans l'orchestration de pipelines de données et de Machine Learning. Sa mission est de fournir une plateforme unifiée pour automatiser et superviser les traitements complexes en environnement de production. C'est dans cette phase de R&D que j'ai rejoint l'équipe en tant que Data Scientist stagiaire. Mon objectif était de piloter un projet de benchmark de bout en bout : développer un cas d'usage complet, le déployer sur la plateforme Ryax ainsi que sur ses concurrents (KNIME, AWS SageMaker), et en tirer des conclusions pour guider la stratégie produit. Mes missions couvraient l'intégralité du projet, de la modélisation à l'industrialisation : - Développement d'un modèle de maintenance prédictive en Python avec TensorFlow, en utilisant le jeu de données public de la NASA de moteurs d'avion. - Industrialisation du modèle en créant des pipelines de déploiement complets (préparation, entraînement, inférence) sur trois plateformes distinctes. - Déploiement et configuration de la solution sur la plateforme interne Ryax, ainsi que sur les plateformes concurrentes KNIME et AWS SageMaker. - Rédaction d'un rapport de benchmark détaillé comparant les performances, la facilité d'utilisation et les limitations de chaque outil. Ce benchmark a fourni des informations cruciales qui ont eu un impact direct sur la stratégie de l'entreprise : - Livraison d'un cas d'usage de maintenance prédictive 100% fonctionnel, servant d'actif technique et de démo technique pour l'entreprise. - Contribution directe à une décision stratégique majeure : les résultats ont mis en lumière des axes d'amélioration critiques pour le produit Ryax, conduisant l'entreprise à réorienter sa feuille de route pour mieux se positionner sur le marché. Environnement technique : Python, TensorFlow, Scikit-learn, Pandas, AWS SageMaker, KNIME, MLOps, Docker, Machine Learning, Data Science.

Wikit est un éditeur de logiciels dans le secteur de l'IA Conversationnelle qui transforme les connaissances internes des entreprises (FAQ, documentations) en assistants virtuels intelligents. Fondée en 2017, cette start-up innovante a levé plus de 2 millions d'euros, a été lauréate du concours i-Lab et accompagne des clients comme la SNCF et EDF. C'est dans ce contexte de forte croissance que j'ai rejoint le pôle R&D. Mon objectif était de piloter un projet stratégique : l'automatisation de la création de chatbots à partir de documents bruts. Pour cela, j'ai travaillé au sein d'une équipe agile de 3 personnes, aux côtés du CTO et d'un Développeur Senior. Mes missions se sont articulées autour de la création d'un pipeline "Document-to-Chatbot" complet : - Conception et développement d'un script d'extraction de contenu en Python (avec Beautiful Soup). - Analyse sémantique du texte avec la bibliothèque NLP spaCy pour identifier des paires question/réponse pertinentes. - Génération automatique de fichiers de données d'entraînement (intents, utterances) pour le moteur NLU. - Développement d'un middleware en Node.js pour intégrer ce nouveau service à l'architecture de Wikit. - Tests et validation de la pertinence des réponses générées par le système. Ce projet a abouti à des résultats concrets et à forte valeur ajoutée pour l'entreprise : - Livraison d'un Proof of Concept (PoC) 100% fonctionnel, démontrant la faisabilité technique de l'approche. - Création d'un pipeline automatisé capable de réduire le temps de création d'un chatbot basé sur la connaissance de plusieurs jours à quelques minutes. - Validation d'une piste d'innovation majeure pour l'entreprise, ouvrant la voie à une nouvelle offre produit plus scalable. Environnement technique : Python, Node.js, spaCy, Beautiful Soup, NLP, NLU, Middleware, API REST, Git, R&D, PoC, IA Conversationnelle, Agile.