Michael Moutei

• Implémentation d’un backend(gRPC/REST) pour la gestion d’une plateforme cloud interne(projets, déploiements, pipelines, IAM et intégration avec les services du groupe). • Backend HTTP pour gestion de l’authentification (SSO, OIDC, mTLS) et intégration services tiers (OIDC/OAuth2). • Webhooks Kubernetes pour injection dynamique de certificats et de sidecars reverse-proxy pour AuthN/AuthZ. • Création de plusieurs opérateurs Kubernetes (controller-runtime) pour la gestion des ressources externes (Keycloak, Vault) et des namespaces, déploiements et pipelines. • Intégration NATS (Pub/Sub, Producer–Consumer) pour la communication inter-services. • Plugin Traefik (middleware HTTP) pour la gestion centralisée AuthN/AuthZ et la réduction des erreurs manuelles d’implémentation. • Provider Terraform pour la gestion déclarative des ressources IAM. • Backend HTTP pour gestion Auth/AuthZ de MinIO. • Mise en place du GitOps avec Argo CD pour déploiements applicatifs et gestion déclarative de l'infrastructure. • Administration des clusters Kubernetes, gestion de production et runbooks. • Préparation et optimisation de l’infrastructure pour exercices Disaster Recovery (DR). • Développement d'une interface d’administration React pour la plateforme. • Création d'un framework Python/Rust utilisé par plus de 500 utilisateurs : création de pipelines MLOps Kubernetes-natifs, intégration Dremio/S3, développement backend et promotion des bonnes pratiques. • Création d'un outil pour la gestion des hooks pre-commit/pre-push sous format pipelines. • Création d'un framework Python pour lancer déclarativement des tests de charge. • Intégration d'une brique RAG (Qdrant, LangChain) pour la recherche sémantique et l'accès contextuel aux artefacts ML. • Mise en place d’un backend MCP pour des outils internes.

• Développement d’un agent conversationnel réglementaire (NLP). • Backends Python (Flask/FastAPI) pour exposition des modèles ML. • Dashboard interactif d’analyse de données (Golang backend, React frontend). • Gestion de clusters Kubernetes (EKS) et infrastructure AWS (EC2, VPC, ...) avec Terraform. • Mise en place CI/CD sur AWS (CodePipeline, CodeBuild, CodeDeploy). • Conception pipelines ML sur SageMaker avec stockage S3. • Structuration des données : clustering graphes, extraction de mots-clés, augmentation. • Recherche sémantique temps réel sur documents réglementaires (FAISS, embeddings BERT). • Intégration des modèles audio (Wav2Vec, Tacotron2, MelGAN).