Thomas Antoine

Conception et mise en production de pipelines de données fiables sur Azure et Databricks, de l'ingestion jusqu'à la mise à disposition pour les équipes métier. Scoring de fraude & évaluation automatique des sinistres - Architecture Lakehouse Medallion (Bronze → Silver → Gold) sur Azure Data Lake Storage avec contrôles de qualité et lineage entre couches - Pipelines incrémentaux PySpark via LakeFlow Jobs, optimisation des clusters (Infra as Code — Databricks Asset Bundles), CI/CD GitLab vers Databricks - Évaluation automatique de chaque sinistre via Azure Service Bus, appels REST asynchrones vers APIs constructeurs, récupération du score depuis PostgreSQL - Conteneurisation Docker, déploiement Azure Container Apps - ▸ 1 000 sinistres traités/jour · ~670 résolus automatiquement · < 1 seconde par dossier Détection de désengagement des garages partenaires - Score de désengagement par outlier detection sur les comportements d'achat, dashboards Plotly/Dash - Automatisation de rapports Excel hebdomadaires partitionnés par région commerciale - ▸ ~200 garages à risque détectés/semaine Flux de données génériques - Flux ETL paramétrables : import Excel massif, SFTP, export SharePoint, surveillance serveur - ▸ 10 000 opérations automatisées/jour · suppression de nombreux tickets récurrents

Découverte de l'écosystème data d'une entreprise de ~1 000 personnes avec une montée progressive en responsabilités jusqu'au CDI. Ingestion incrémentale de données véhicules (L'Argus & Jato) depuis Amazon S3, pipeline complète jusqu'à une table SCD2, milliers de véhicules/semaine Automatisation Jira via API Jenkins en cas de flux en erreur ; ingestion tickets DSI dans le datawarehouse ▸ Économie de 30 min/jour sur la création manuelle de tickets

Accompagnement des élèves dans leur projet fil rouge Mon rôle consiste à les aider à : Cadrer leur projet, en définissant ensemble un besoin précis. Énumérer les différentes étapes de leurs projets, afin de suivre un fil conducteur. Rédiger leur documentation (spécifications techniques, notes de cadrage, etc.). Résoudre leurs problèmes techniques, en répondant à leurs questions. Les élèves, en Bachelor 3 spécialisé dans la Data, travaillent sur des projets ayant pour objectif d’explorer les différents domaines de la data : data engineering, data analysis, data science, etc.

Dans le cadre de notre projet de fin d'études, nous avons décidé de développer des modèles statistiques permettant aux entreprises de se placer au mieux sur les appels d'offres des marchés publics. Pour ce faire, nous avons récupéré les données du gouvernement mises en libre accès. Notre équipe est composée de 8 membres (7 data scientists et un développeur informatique). Nos principales missions sont les suivantes : - Industrialisation du chargement de données de data gouv (Python, Docker) - Mise en place d'un environnement de production sur un serveur (Linux, PostgresSQL) - Développement d'algorithmes de recommandations (Python, Sklearn, TensorFlow) En tant que Chef de projet, j'ai également eu à : - Rédiger une note de cadrage - Mettre en place un suivi d'activité