Paul Ouartsi

Contexte: Mission FinOps au sein de la Direction Cloud de TotalEnergies. Périmètre multi-cloud AWS et Azure (~55/45%) couvrant 500+ applications, plusieurs milliers de ressources et un spend annuel de plusieurs dizaines de millions d'euros. Environnement grands comptes avec des interlocuteurs variés : équipes infrastructure, application owners, contrôle de gestion, finance, et management cloud. Optimisation des coûts cloud: Pilotage de la stratégie d'engagements (Savings Plans, Reserved Instances) et suivi du taux de couverture. Conception et animation de campagnes d'optimisation récurrentes : génération automatique de recommandations hebdomadaires via les APIs AWS et Azure (rightsizing Compute, stop/start d'environnements hors production, optimisation Database, BYOL, suppression de ressources orphelines type volumes EBS non attachés). Automatisation complète en Python avec estimation des gains associés et remontée sur dashboard de suivi. Résultat : environ 20% d'économies annuelles sur le périmètre. Reporting & chaîne de données FinOps: Industrialisation de bout en bout de la chaîne de données FinOps : collecte des exports billing AWS (CUR) et Azure, normalisation, stockage PostgreSQL, modélisation sémantique partagée, restitution Power BI. Dashboards adoptés par 500+ utilisateurs mensuels couvrant la consommation par application, par équipe, par environnement et par service cloud. Production de reportings réguliers à destination de la Finance et du Management. Showback, Chargeback & forecast: Conception et opération d'un modèle de refacturation des services partagés (Datalake Azure, logs, sécurité, Marketplace) basé sur des inducteurs de coûts et des ratios d'utilisation réels par équipe. Co-construction avec les analystes financiers d'un modèle de forecast par application et par division, avec versions réajustées en cours d'année. Développement d'une vue de consommation projetée (réel à J-2 + projection fin d'année) vs forecast pour anticiper les dépassements budgétaires. Alerting & détection d'anomalies Mise en place d'un dispositif d'alerting à deux niveaux : alertes forecast par souscription Azure et par compte AWS (niveau 1), et développement d'un outil d'analyse automatique des anomalies de coûts à J-1 pour une détection proactive quotidienne (niveau 2). Identification des dérives avant qu'elles ne deviennent des dépassements budgétaires. Gouvernance & animation FinOps: Définition et animation d'un cadre de revues FinOps structuré en 3 niveaux : gouvernance tagging et alerting, quick wins d'optimisation, et revue architecture. Accompagnement de 100+ équipes applicatives dans l'adoption des pratiques FinOps et la responsabilisation sur leurs coûts cloud. Contrôle de la cohérence du tagging, des coûts par service et par environnement. Déploiement d'un ChatBot FinOps alimenté par la documentation interne (bonnes pratiques, guides par rôle : Application Owner, Cloud Cost Controller, mode projet). Stack technique: AWS (Cost Explorer, CUR, Savings Plans, Reserved Instances, Trusted Advisor, Budgets, Boto3), Azure (Cost Management, Reservations, Monitor, Management Groups, Tagging Policies), Python, SQL, PostgreSQL, Power BI, Airflow, Git.

Au sein de l'équipe EU Workforce Staffing Analytics, j'ai contribué à l'optimisation des processus de validation de données et au pilotage de la performance via des solutions d'automatisation et de BI. – Conception et déploiement d'un outil d'automatisation pour la validation des métriques de performance des associés. – Réduction de 20% du temps hebdomadaire de validation pour les stakeholders externes. – Création d'un tableau de bord stratégique sous Amazon Quicksight et Redshift pour la planification des effectifs et l'approvisionnement. – Négociation du besoin, itérations de production et livraison de la documentation technique. – Outil utilisé par plus de 50 collaborateurs (internes et externes). – Identification, extraction et analyse des indicateurs clés de performance (KPI) à partir des bases de données internes pour orienter les décisions stratégiques de l'équipe.