Paul FOUMANE

LCL est une entreprise du secteur bancaire mondialement reconnue pour ses services financiers et ses solutions de crédit. Elle a lancé L by LCL qui est une banque en ligne destinée aux professionnels, proposant des services financiers digitaux modernes et adaptés aux besoins des entrepreneurs et des petites entreprises. Afin de répondre aux besoins d’analyse métier un pôle Data de 5 personnes a été mis en place autour des plateformes AWS et Snowflake. Missions: ● Conception des reporting réglémentaires ● Implémentation de cas d’usage Data avec DBT ● Ficoba ● Industrialisation des comptes Snowflake ● Amélioration de la chaîne CI/CD avec Gitlab CI ● Mise en place de l’outil Imagino connecté à Snowflake, pour la génération des campagnes marketing ● Orchestration avec Dagster

Dans le cadre de sa stratégie de transformation digitale, EDF souhaite consolider ses données au sein d’une Plateforme Data Groupe (PDG) unifiée sur Google Cloud Platform (GCP), afin de répondre aux besoins croissants des métiers en matière de valorisation et de gouvernance des données. La mission consiste à concevoir et mettre en œuvre un socle applicatif cloud-native, sécurisé et industrialisable, permettant d’accueillir les cas d’usage des différentes entités métiers. Missions : ● Etude de SCC (Security Command Center) ● Traçabilité des access Deny et autres types de logs dans la console GCP ● Etude et mise en place des outils de scan de code sur Gitlab EE (SonarQube, Kics, CheckMarx..) ● Automatisation des sauvegardes des données BigQuery et Cloud Storage pour l'Exploitation via cloud composer ● Restauration partielle des sauvegardes de données BigQuery et Cloud Storage pour l'exploitation ● Labellisation de Dataform ● Exposer des API avec Ingress et des load balancers gérés par GKE ● Déploiement des workers GKE (Google Kubernetes Engine) qui consomment des messages depuis Pub/Sub, Kafka ou BigQuery ● Déploiement de l'infrastructure via Terraform

Cartier Joaillerie est une entreprise du secteur du luxe mondialement reconnue pour ses créations de haute joaillerie. Elle possède une équipe digitale travaillant sur des produits internes réparties en squads. Les squads développent des applications web répondant aux besoins du manufacturing de bijoux pour plusieurs entités de Cartier. Afin de répondre aux besoins d’analyse métier et aux besoins des applications, un pôle Data de 5 personnes a été mise en place autour de la plateforme GCP. Missions: ● Optimisation de l’architecture Data ● Implémentation de cas d’usage Data avec DBT ● Mise en place des dags d’ingestion avec Cloud Composer (Python, spark) ● Modélisation des données relationnels sur BigQuery et exposition sur Power BI ● Mise en place de la chaîne CI/CD avec gitlab CI ● Déploiement de l’infrastruction avec Terraform ● Export des données d’Amplitude vers BigQuery avec Dataflow

La société Bel est une entreprise française de l’industrie. Dans un contexte d’enjeux environnementaux et sociaux croissants, Bel accélère sa transformation vers un modèle respectant les limites planétaires et renforçant ses engagements en matière de durabilité et d’inclusion ; d’où le lancement de son nouveau programme de développement durable « Décibel Platform ». Au sein d’une équipe de 5 personnes, j'avais pour mission : la mise en place d’une Data Plateform sur GCP de l’outil de pilotage extra-financière. Missions: ● Conception de l’architecture Data ● Implémentation de cas d’usage Data avec DBT ● Déploiement de modèles de Machine Learning et d’application IA sur BigQueryML et Vertex IA ● Modélisation des données relationnels sur BigQuery et exposition sur Power BI ● Gestion des données NoSQL sur Datastore ● Orchestration avec Cloud Composer (Airflow) ● Mise en place de la chaîne CI/CD avec gitlab CI et Terraform ● Conteneurisation d’application avec Docker et Kubernetes (GKE) ● Implémentation des tests dans la chaîne CI/CD

ANDRA est un établissement public à caractère industriel et commercial chargé de la gestion des déchets radioactifs. Pour pouvoir superviser au mieux l’ensemble des travaux de maintenance dans ses différents 3 sites, l’ANDRA utilisait une GMAO (Gestion de Maintenance Assisté par Ordinateur) sous CARL. Au sein de la Direction des systèmes d'information et dans une équipe de 5 personnes en charge de la mise en place de la GMAO Coswin. Missions: ● Conception de l’architecture technique ● Choix de la solution Azure SQL Server (IAAS) pour la mise en place de la GMAO ● Installation de GMAO Coswin sur les environnements de travail (Développement, Validation, Recette, Formation...) ● Rédaction des procédures d'installation de la GMAO Coswin pour la Préproduction et de la Production dans un environnement Azure SQL Server ● Synchronisation LDAP des utilisateurs ● Administration Azure AD pour la gestion des accès des comptes utilisateurs ● Raccordement SSO sur Azure AD ● Développement des triggers et procédures stockées en T-SQL ● Correction des bugs ● Paramétrage de Coswin ● Migration de données ● Participation à l'amélioration continue du processus de déploiement ● Génération de rapport via l’outil SAP ● Déploiement de Coswin en production ● Tests de charge sur l’authentification et la gestion des sessions avec JMeter ● Tests de performance sur les fonctionnalités clés (Création d’OT, Planification, Consultation des stocks) avec JMeter ● Tests de montée en charge et de stress avec JMeter ● Tests de montée en volumétrie sur la base de données avec JMeter ● Monitoring en continu avec intégration CI/CD (JMeter)

La SNCF est l’entreprise ferroviaire publique française. Pour pouvoir superviser au mieux l’ensemble des travaux de maintenance dans ses différentes gares, la SNCF a mis en place une GMAO (Gestion de Maintenance Assisté par Ordinateur). Au sein de la Direction Industrielle et dans une équipe de 7 personnes en charge de la mise en place de la GMAO IGO sous Coswin. Missions: ● Réalisation de l'état des lieux de la GMAO IGO mis en place sur les différentes gares ● Administration de la base de données sous Oracle ● Développement des triggers en PL/SQL pour Oracle ● Correction des bugs ● Paramétrage de Coswin ● Ingestion des données dans Azure Datalake Storage Gen2 ● Reprise de données ● Mise en place d’un POC de déploiement et de mise à jour de l’application sur Azure Kubernetes Services ● Génération des rapports de performance via l’outil javaMelody ● Installation des patchs cumulatifs

Pour une société spécialisée dans la production et la fourniture d’électricité en France, au sein de la Direction R&D et dans une équipe de 6 personnes en charge du développement de la chaîne OPUS pour la gestion Moyen Terme du portefeuille électricité d’EDF. J'avais pour mission : mise en place d’une architecture cloud pour l’analyse des données, développement du module d’Optimisation MNR de la chaîne OPUS en C++. Missions: ● Recueil et définition des besoins (cadrage technique) ● Choix de l’architecture technique ● Mise en place de l’architecture Big Data (ETL) ● Développement et administration de l’application Power BI pour la génération des rapports d’analyse ● Développement du module d’optimisation MNR

Pour un de ses clients constructeur d’avions civils, au sein du département aéronautique et dans une équipe de 4 personnes, j'avais pour mission : la réalisation d’une maquette de l’architecture bas niveau du calculateur FADEC_HC (FADEC HYPER COMPACT) permettant d’optimiser la consommation en carburant. Missions: • Conception de l’architecture bas niveau - Validation de l’architecture électronique avec la cible T1042 - Mise en place de l’architecture logicielle • Intégration du RTK (Real Time Kernel) Asterios pour notre cible T1042 • Développement de drivers en langage C - Driver UART - Driver SPI - Driver GPIO • Configuration des blocs numériques fait en FPGA (COIOTE et BIPBIP) • Rédaction de la note technique Résultats: • L’architecture numérique a été validée • La compilation d’Asterios a été effective sur la cible T1042 • Les données récupérées par des capteurs sont Transmissions aux blocs FPGA

Au sein du département Internet Of Things dans une équipe de 5 personnes en charge, pour le compte de 2 clients (un constructeur de véhicules légers et un constructeur de camions), en charge du développement de nouvelles fonctionnalités sur des boîtiers télématiques permettant de connecter les véhicules et avoir un accès en temps réel aux informations de la flotte. Missions: • Création d’un banc de test électronique - Définition et validation du banc de test électronique - Conception de l’architecture technique de l’automatisation des tests • Développement d’un simulateur OBD (véhicules légers) - Développement d’un simulateur OBD permettant de faire des injections de données OBD sur le boîtier, via le Freematics OBD-II Emulator MK2 (véhicules légers) - Configuration du Freematics OBD-II Emulator MK2 - Développement d’une librairie Python permettant de faire des requêtes http sur le boitier télématiques, simulant l’IHM du Freematics OBD-II Emulator MK2 - Automatisation des tests via de script Python • Développement d’un simulateur CAN (véhicules légers) - Développement d’une IHM en Qt (C++) - Configuration du Kvaser Leaf Light v2 pour l’injection des données - Automatisation des tests via des scripts Bash • Développement d’un outil de référencement de boîtiers, briques de tests et scénarios de tests - Développement Front-End basée en Vue.js - Développement Back-End en Node.js • Construction d’un Datalake sur Microsoft Azure pour véhicules légers - Provisionnement d’un compte Azure Data Lake Storage Gen2 - Traitement des données en temps réel (ELT) avec Azure Stream Analytics - Stockage des données exploitable sur Cosmos DB • Construction d’un Datalake sur AWS pour véhicules lourds - Ingestion des données via Amazone Kinesis Data Streams - Implémentation de Spark Streaming sur EMR - Stockage des données sur Amazone S3

IRO SA Biotechnologie est une startup qui fait de la recherche et du développement du matériel Biomédical. L’un de ses projets pour le compte d’un client est de réaliser un électrocardiographe connecté low cost. Au sein d’une équipe de 3 personnes, en charge de la conception d’une interface embarquée de signaux biologiques ECG. Missions: • Etude de la carte d’acquisition basée sur un microcontrôleur PIC32MZ - Configuration du PIC32MZ - Protocole en lecture et écriture • Récupération en temps réel des signaux biologiques d’un patient - Décodage des signaux analogiques - Configuration de la fréquence d’horloge • Traitement des données de l’acquisition - Utilisation des signaux sous une forme numérique - Décodage des séquences de lecture numérique (signaux ECG et signaux de configuration) • Développement de l’interface graphique en C++ via le Framework Qt - Affichage sur un écran 7" - Enregistrement des différents patients et des données liées à ceux-ci • Ingestion des données dans Microsoft Azure - Création d’une base de données SQL Server cible pour les données archivées - Création d’un pipeline de transformation de données (ELT) avec Data Factory - Stockage des données exploitable sur Azure Cosmos DB Résultats: • Acquisition des données via les ports GPIO du Raspberry Pi 3 • Affichage des signaux ECG en temps réel • Lancement de l’application au démarrage du Raspberry Pi 3 • Stockage des données dans Azure SQL Serveur • Données exploitables pour des analyses

- Révision électronique des véhicules - Diagnostique