Youness D.

– Build/Run de produits Data et IA Générative au sein de la DSI Data-IA d'Orange France. – Rôle d'architecte: conception des architectures cibles, choix des solutions, sécurité/compliance et FinOps. – Périmètre GCP (Carbone, Blueprint, AsTer, Assistant Release Management) et on-prem (Secu360 – tech lead). – Architecture & DataOps standardisés: Conception d'architectures GCP (batch, event-driven, micro-services), choix des composants, SLO/SLA, IAM compliance et FinOps. Industrialisation via templates réutilisables (dbt, Dataflow, APIs), CI/CD GitLab/Cloud Build et laC Terraform. – Pipelines et analytics GCP: Ingestion et transformations sur BigQuery avec dbt, GCS/Pub Sub, data marts fiables pour la DataViz. Exposition et alimentation Power BI (AsTer). Résultat: time-to-prod réduit et performance/qualité renforcées. – IA générative & RAG (AsTer, Release M): Conception de chaînes RAG avec LangChain, embeddings et index vecteur AlloyDB; prompting, traçabilité et observabilité. Objectif MVP 2025: ~30% de gain sur l'analyse d'impact et la planification de tests. – Secu360 on-prem (tech lead): Architecture et développement de traitements Spark sur Hadoop (Hive/HDFS/HBase), orchestration Oozie, dashboards sécurité. Résultats: meilleure vélocité de patching et efficacité accrue des équipes SOC. – Environnement Technologique: GCP (BigQuery, Cloud Run, Cloud Functions, Cloud Workflows, Pub/Sub, AlloyDB, Vertex AI, Firestore), On-prem (Scala/Spark, Hadoop, Hive, HDFS, HBase, Oozie, Jenkins), Data/DevOps (dbt, Python/SQL, LangChain, Docker, GitLab CI, Cloud Build, Terraform).

– Refonte et migration des pipelines de données qui alimentent +60 Dashboard de retail et marketing digital (GA, Traackr, Meta ...) utilisés par +4000 utilisateurs à travers le monde depuis DOMO vers GCP et Power BI. – Gestion des données clients de L'Oréal et de ses partenaires, ainsi que l'activation des ventes. – Équipe de 12 personnes (3 PO, 1 Scrum Master, 1 tech lead, 5 data engineers, 2 data viz). – Mise en place de l'infrastructure sur GCP et configuration des pipelines CI/CD sur GitHub. – Collaboration avec l'équipe de Dataviz dans la modélisation des données pour créer des Dashboard optimisés et pertinents. – Conception et développement des principaux KPIs en collaboration avec les équipes métier (Taux de conversion, CLV et Moy de ventes ...). – Développement des ETL pour extraire des données de diverses sources (APIs, SAP etc....) et réalisation de transformations de données. – Développement de pipelines event-driven pour l'intégration rapide et en temps réel des données. – Contribution active à l'amélioration de l'architecture, en apportant des solutions innovantes pour optimiser les performances. – Création de user stories techniques, gestion du backlog et estimation, permettant une planification efficace du projet. – Rédaction de la documentation technique et fonctionnelle pour assurer le bon fonctionnement du projet. – Environnement Technologique: GCP (BigQuery, Cloud Run, Cloud Function, Cloud Build, Workflow, Pub/Sub), SQL, Python, Terraform, Github, Docker, Kafka.

– Migration et développement de plusieurs projets Data au sein de la DSI Orange pour répondre aux besoins des clients internes Orange (connaissance clients, IoT, serveurs, réseau, sécurité...). – Équipe de 14 personnes (3 PO, 1 architecte, 2 tech leads, 8 data engineers). – Refonte et migration d'ETL On-Prem (Hadoop) vers GCP (Dataflow, GCS, BigQuery). – Accompagnement d'équipes de Data Scientists pour mettre en production leurs modèles sur GCP avec VertexAI. – Développement de nouveaux métriques et KPIs (5G, Livebox, Sécurité etc...). – Maintien et évolution des fonctionnalités des projets existants. – Mise en place des pipelines CI/CD. – Création des Dashboard de monitoring et mise en place des stratégies d'alerte. – Rédaction des spécifications techniques et de la documentation. – Environnement Technologique: GCP (BigQuery, Dataflow, Cloud Run, Cloud Function, Vertex AI, BigTable), On-prem (Spark, Hadoop, Oozie, Hive, Hbase, Cassandra), Java, Scala, Python Jenkins, Git, Terraform.

– Mise en place d'une solution IA de maintenance prédictive et préventive pour la détection d'anomalies des données de supervision (équipe de 4 personnes). – Chargement et transformation des données brutes avec KNIME et application de la décomposition pour les données temporelles. – Feature engineering des données compatible avec les algorithmes ML. – Développement et application des modèles de prévision pour prédire et prévoir les anomalies. – Mise en place d'une pipeline pour alimenter le modèles ML avec des données. – Évaluation de pertinence des modèles ML en appliquant du cross validation. – Livraison de la documentation technique pour les non-experts et support. – Environnement Technologique: Python, Java, Scikit-Learn, Pandas, Knime.

– Mise en place d'un Data Lab afin de faciliter la mise en production des projets IA (équipe de 5 personnes). – Participation au développement de l'application. – Administration d'infrastructure et configuration de l'application. – Mise en place des pipelines CI/CD pour déployer le projet en Prod. – Implémentation des projets Data Sciences en collaboration avec les Data Scientists. – Environnement Technologique: Azure (Container Apps, Blob Storage, IAM, ADF), Python, Django, Gitlab, Docker.

– Mise en place d'une solution IA de classification de texte et de catégorisation des données sensibles pour répondre aux contraintes de la GDPR. – Analyse des données et compréhension des besoins fonctionnels et techniques. – Développement d'un ETL python pour nettoyer et transformer les données Utilisation du NLP pour enrichir les données et la création de nouvelles features. – Application de la régression logistique et des tests de performance du modèle. – Déploiement de la solution en production et livraison de la documentation technique. – Environnement Technologique: Python, Pandas, NLTK, Scikit-Learn, Hive, Qlikview, Atlassian.