Théo Delaforge

Développement de solutions et pipelines de data engineering pour soutenir l'optimisation de la planification de production des réacteurs nucléaires et thermiques pour l'équilibrage du réseau électrique en fonction des prix du marché. Développement d'une infrastructure de données et de systèmes de traitement permettant l'optimisation de la demande énergétique et du dispatching de production. Création de workflows de données scalables pour intégrer les données de marché en temps réel et les métriques de production dans des systèmes d'aide à la décision. Technologies : Python (Pandas, NumPy), pipelines de données, FastAPI, SQL, plateformes de données cloud, Kubernetes, JavaScript.

Développement de solutions de monitoring IA en production pour des serveurs électroniques embarqués, en utilisant des LLMs et des architectures RAG. Création de pipelines intelligents avec la plateforme Dify pour le traitement de données en temps réel et la détection d'anomalies. Conception de workflows de bout en bout combinant données en streaming, bases de données vectorielles et inférence LLM pour le support maintenance. Mise en place de tableaux de bord de monitoring pour le suivi de l'état des serveurs dans des usines de production. Adaptation réussie à un environnement Mandarin-Anglais dans l'industrie automobile chinoise. Technologies : Python, LLM auto-hébergé, frameworks RAG, APIs, Dify, Docker, Kubernetes, Grafana, bases de données vectorielles, Redis, JavaScript, Java, C, SQL.

Conception d'une solution de monitoring de télémétrie en temps réel pour une infrastructure réseau mondiale couvrant 120 routeurs Cisco 9000 dans 20 pays. Construction de pipelines de données automatisés pour collecter et analyser des métriques réseau à grande échelle, en gérant des flux de données à haut volume. Développement d'une architecture tolérante aux pannes pour réduire le temps de détection des incidents et permettre une gestion proactive du réseau. Création de tableaux de bord interactifs pour la visualisation en temps réel de l'état du réseau. Technologies : Python (PySpark, Pandas), Cisco, Prometheus, Grafana, PostgreSQL, APIs Cisco, Linux, UNIX, InfluxDB, Télémétrie, SNMP.

Développement de scripts de tests automatisés et conduite de campagnes de tests complètes pour des dispositifs de télématique automobile déployés sur une flotte de véhicules connectés. Exécution de protocoles de test sur du matériel embarqué à l'aide de véhicules de test et collecte de données de télémétrie en conditions de conduite réelles. Analyse de grands volumes de données de test avec Python pour identifier les patterns de performance des dispositifs, détecter les anomalies et valider les métriques de fiabilité. Automatisation des workflows de traitement de données et de reporting pour accélérer l'analyse des résultats de tests. Technologies : Python (Pandas, Numpy, Matplotlib, Seaborn), protocoles de télématique automobile (bus CAN), frameworks d'automatisation de tests, pipelines d'analyse de données.

Développement de systèmes de contrôle qualité des données et d'algorithmes de suivi de KPIs pour la fabrication industrielle, traitant des millions d'enregistrements quotidiens. Développement d'algorithmes de remédiation des erreurs en Python et SQL pour détecter et corriger automatiquement les anomalies de données. Construction de pipelines ETL pour valider et transformer les données de lignes de production en insights exploitables. Technologies : Python, SQL, Pandas, outils ETL, systèmes de bases de données industrielles.