William ZOUNON

– Modernisation de l'architecture data via la transition d'un environnement Hadoop Legacy (Scala) vers une architecture Lakehouse (Databricks/Delta), permettant une orchestration complexe de pipelines ETL/ELT en Python/Spark. – Conception et mise en œuvre de pipelines d'ingestion hybrides : flux temps réel via Apache Kafka pour la réactivité métier et intégrations batch via CFT pour les transferts de fichiers sécurisés. – Automatisation comptable de bout en bout par le déploiement en production de modules d'inférence ML (génération d'écritures et lettrage), réduisant les interventions manuelles sur des flux massifs de données transactionnelles. – Optimisation de la performance opérationnelle grâce à la migration complète des workflows vers Airflow, réduisant la latence des jobs financiers critiques et fiabilisant le scheduling. – Garantie de l'intégrité des données financières par la mise en œuvre de standards de qualité rigoureux sur les flux analytiques, répondant aux exigences de conformité des directions métiers et IT.

– Accélération du Time-to-Market via l'industrialisation des déploiements (CI/CD Jenkins/GitLab/Docker) et l'automatisation de l'infrastructure avec Ansible/AWX, assurant la haute disponibilité des produits data. Analyse et automatisation des requêtes (BigQuery) | MACIF : Développement d'un pilote proxy JDBC (Java 8) sur-mesure pour intercepter et réécrire dynamiquement les requêtes SQL, permettant une abstraction entre les outils de BI et l'entrepôt de données. Conception d'un moteur de transformation dynamique des requêtes pour optimiser l'exécution sur Google BigQuery, réduisant la consommation de ressources et améliorant la latence pour les utilisateurs finaux. Gestion du cycle de vie complet du projet sous Maven, incluant des tests d'intégration rigoureux pour garantir la stabilité du driver en environnement de production. Stack: SQL, Google BigQuery, GCP, Java 8, Maven, Git. Assistant Intelligent (RAG) | Conseil National de l'Ordre des Médecins : Fiabilisation des réponses sur des sujets réglementaires sensibles par l'implémentation de techniques de Re-ranking et de Prompt Engineering, éliminant les hallucinations et garantissant une précision maximale du chatbot. Optimisation de la pertinence de recherche (Retrieval) via la conception d'un moteur hybride (Vectoriel FAISS + Textuel BM25) sous LangChain, maximisant la qualité des contextes extraits des corpus juridiques. Accélération de l'ingestion de données massives grâce au développement de pipelines de collecte automatisés avec Python (Playwright/BeautifulSoup), structurant des corpus médicaux complexes en formats exploitables pour l'IA. Amélioration de la réactivité du système par le déploiement d'une API haute performance (FastAPI) et une étude comparative de bases de données vectorielles, réduisant la latence de recherche sous forte charge. Industrialisation du produit IA via l'intégration complète du moteur RAG dans l'écosystème applicatif de l'Ordre, assurant la scalabilité et la haute disponibilité des services d'assistance intelligente.

– Standardisation des traitements de données via la conception d'un framework Scala/Spark réutilisable, assurant l'uniformité des règles de gestion et la scalabilité des processus sur l'ensemble du Data Lake. – Optimisation drastique de la performance opérationnelle par l'audit et le tuning de traitements Spark SQL et PL/SQL sur Oracle Exadata, réduisant l'empreinte mémoire et les temps d'exécution pour le reporting financier. – Industrialisation de l'infrastructure ML (Churn) par la création d'un référentiel de données dédié (Python, Shell), permettant le calcul de scores prédictifs à grande échelle et l'identification de la perte de clientèle. – Garantie de la conformité réglementaire (Bâle IV, LCB-FT) via le développement de pipelines haute performance assurant une traçabilité et une auditabilité à 100% des données de risque de crédit. – Modernisation des processus comptables par l'automatisation des moteurs de calcul de commissions et de réconciliation du Grand Livre (GL), transformant des workflows legacy en pipelines SQL/Spark scalables. – Pilotage de flux hybrides et de la disponibilité entre l'ETL traditionnel (Informatica) et le Big Data (Hadoop), assurant une disponibilité des données de 99,9% pour les arrêtés financiers quotidiens. – Direction technique et QA incluant le cadrage fonctionnel, le chiffrage des charges et le pilotage de la qualité des livrables produits par les centres de services.

– Conception de l'architecture logicielle avec MVC – Conception de la base de données avec la méthode MERISE – Développement back-end en PHP avec le framework Laravel – Développement front-end avec le framework VueJS – Développement d'une API REST pour la communication entre les composants applicatif

– Développeur web sur un projet de gestion pour l'Université Félix-Houphouët-Boigny (UFHB).

– Réalisation de visuels et de designs pour le magazine Tomorrow