Des plateformes data
fiables
pour l'IA

Plein Data : plateforme de prix de carburants sur Scaleway

Cloud souverain et architecture data · Data Architect et Cloud Engineer

• Migration d'une plateforme de données de prix de carburants de BigQuery vers une architecture serverless souveraine sur Scaleway.
• État de la plateforme persisté en Parquet sur l'Object Storage Scaleway (S3), avec un modèle consolidé de 55 M de lignes.
• Transformations dbt-duckdb en Jobs serverless sans état : le DuckDB est éphémère et jeté à chaque run, l'état durable est l'export Parquet. Un daily (fenêtre de 2 jours) et un reconcile mensuel fusionnent les données.
• Orchestration de 11 Jobs serverless par Scaleway Data Orchestrator, répartis en deux DAG : un daily de 7 Jobs et un monthly de 4 Jobs ; une file SQS déclenche la revue des correspondances de marques.
• Infrastructure as Code avec Terraform sur deux modules racine : Jobs serverless, conteneur, file SQS, secrets et identités de service ; décompte détaillé plus bas.

Berlioz : aide au choix d'alimentation pour chats atteints d'IRC

Santé et vétérinaire · AI Engineer

• Outil d'aide à la décision pour choisir l'alimentation adaptée aux chats atteints d'insuffisance rénale chronique.
• Base de connaissances de 179 sources scientifiques vétérinaires, centralisées et structurées.
• Pipeline d'extraction par OCR (Tesseract.js) à partir de la photo de l'étiquette.
• Pipeline RAG : chunking par titres, retrieval vectoriel (Upstash Vector), orchestration LLM avec Mistral AI.
• Évaluation sur 52 questions (juge LLM et contrôles sans LLM) : comportement correct dans 90 % des cas sur les 39 questions couvertes, 88 % sur 8 questions hors base, 100 % sur 5 questions adversariales. Limites mesurées : 3 refus à tort sur des sujets couverts et 12 % de réponses avec un pourcentage absent des fiches (contrôle automatique, quelques faux positifs). Un bug d'alignement de l'index (9 faux refus sur 12) a été corrigé le 19 octobre 2026.

StackRadar : veille Modern Data Stack avec digest quotidien

IA générative et Modern Data Stack · Data & IA engineer

• Pipeline serverless de veille avec analyse par LLM et digest quotidien.
• Collecte quotidienne des releases et advisories de sécurité de 19 sources : dbt-core et adapters, Dagster, Kestra, Airflow, packages dbt, notes de version GCP et Scaleway.
• Analyse de chaque changelog par mistral-small (température 0) : résumé, changements clés, breaking changes, CVE, sévérité, pertinence ; sortie JSON validée par Pydantic.
• Déploiement en Cloud Run Job déclenché par Cloud Scheduler, CI/CD Cloud Build, stockage Cloudflare R2, front Cloudflare Pages.

Migration vers un cloud de confiance (grand groupe industriel)

Industrie · Data Engineer · Thélio

Migration de la plateforme data (architecture de data products multi-dépôts) d'un grand groupe industriel de Trino vers BigQuery sur un cloud de confiance, sans accès à l'IA générative pour les équipes de développement du client (contrainte de sécurité).

• Pilotage du POC puis de la migration de plus de 1 000 modèles dbt de Trino vers BigQuery, avec un outillage sans IA embarquée.
• Conception d'un CLI Python de migration (sqlglot et règles métier), développé avec un assistant IA de code, automatisant plus de 95 % des modèles ; l'outil livré est déterministe et ne dépend d'aucune IA.
• Rapports d'écarts Markdown et JSON ciblant les quelque 5 % de requêtes à revoir manuellement (cas sémantiques complexes).
• Validation de l'équivalence des données avec dbt_audit_helper : données strictement identiques entre Trino et BigQuery sur les modèles comparés, aucune régression constatée.
• Refonte des macros dbt, ateliers d'architecture data (conventions de nommage, nouveaux environnements), orchestration Dagster, intégration CI/CD avec l'équipe DevOps. Prévu : former l'équipe de data engineers au CLI et accompagner la passation vers BigQuery.

Data contracts sur des data products SAP (grand groupe industriel)

Industrie · Data et IA Engineer · Thélio

Outillage Data Contract First pour les data products SAP d'un grand groupe industriel, sur Trino et dbt.

• Conception d'un outillage Data Contract First pour les data products SAP sur Trino et dbt, adopté par plus de 5 data engineers.
• Générateur de contrats ODCS à partir des tables de métadonnées SAP (DD02T, DD03VT) stockées sur Trino : libellés des champs techniques (MATNR, WERKS…) et types.
• Sensibilité des données gérée par héritage ou saisie du développeur, intégrée aux contrats ODCS générés.
• Linter de contrats exécuté en CI pour contrôler la conformité à chaque modification.
• Un script alimente le catalogue de données interne à partir des contrats ODCS (et non à partir des modèles dbt).

Dashboard Power BI de suivi des échéances RH réglementaires

SIRH et conseil · Analytics Engineer · Thélio

Suivi des visites de médecine du travail et des entretiens professionnels pour la direction RH d'une société de conseil (projet interne).

• Tableau de bord de pilotage des rendez-vous de médecine du travail et des entretiens professionnels.
• Besoins recueillis auprès des 3 personnes RH utilisatrices.
• Exports BoondManager (ERP et SIRH) intégrés : arrivées, rendez-vous de médecine du travail, entretiens professionnels.
• Modèles de données écrits en procédures stockées (SSMS) dans l'entrepôt de l'entreprise.
• Accès limité aux équipes RH par Row-Level Security dans Power BI.

Agence média : migration d'une infrastructure legacy vers une Modern Data Stack

Marketing et média · Data Analytics Engineer · Hanalytics

Migration d'une agence média de son infrastructure legacy vers une Modern Data Stack.

• Infrastructure legacy (Dataroma) entièrement migrée vers une Modern Data Stack : BigQuery, dbt, Kestra.
• Référent technique de la collecte multi-sources : Catchr, Couchdrop, Mailbox, GCS.
• Données de performance média extraites automatiquement depuis les DSP publicitaires.
• Standard dbt, outillage associé et modélisation Medallion.
• Documentation technique et formations dbt pour les équipes clientes.

Réseau de distribution multi-magasins : dashboards unifiés, RLS et alerting

Retail et e-commerce · Analytics Engineer · Hanalytics

Refonte des dashboards d'un réseau de distribution multi-magasins, avec accès par magasin et alertes automatiques.

• Architecture des dashboards entièrement refondue à partir des besoins.
• Dashboard boutiques unifié avec Row-Level Security : accès multi-magasins par lien unique.
• Dashboard global consolidé pour la direction du réseau.
• Alertes Slack automatiques sur données absentes ou anomalies (compteurs de trafic clients en magasin).

Acteur du digital : GA4 en architecture Medallion

E-commerce et digital · Product Analyst / Analytics Engineer · Hanalytics

Structuration des données GA4 d'un acteur du digital pour analyser les tunnels de conversion et le churn.

• Besoins des équipes produit et marketing recueillis ; référent technique et méthodologique sur la collecte et l'exploitation des données GA4.
• Standard dbt et outillage associé construits.
• Données brutes GA4 modélisées en architecture Medallion (Bronze, Silver, Gold).
• Datasets et data marts dédiés à l'analyse des tunnels de conversion et du churn.