Je construis des plateformes de données robustes et des pipelines évolutifs pour transformer la donnée en levier business.
Lead Data Engineer
DuckDB · dbt · Airflow · Dagster
Lecture rapide: d'abord les réalisations professionnelles anonymisées, puis les projets personnels R&D.
Une architecture de données souveraine et découplée. Remplacement d'un monolithe SQL Server coûteux par une stack Docker agile.
An anonymized demo of business-facing data/finance tools designed from real delivery work.
Browser-based geopolitical intelligence platform: RSS ingestion, entity mapping, event timeline, and weak-signal correlation.
An anonymized operations dashboard demo inspired by a real enterprise delivery context.
Founding role: designed and delivered a sovereign, production-ready, and durable Lakehouse platform. Implemented Python, Dagster, dbt, SQLMesh, DuckDB, and Polars for fast analytical processing. Set up Apache Airflow pipelines and continuous deployment. Defined technical standards, led code reviews, and delivered an autonomous business platform.
Conducted market studies targeting 450k customers. Achieved 42% conversion rate on campaigns. Bridged business requirements with technical feasibility.
Trained 150+ international students from Audencia in Data Visualization (Power BI) and Python coding.
Built ETL/ELT pipelines with dbt and Dagster orchestration. Developed customer segmentation models (RFM) and logistics performance dashboards. Analyzed 10M+ transactions.
Performed Open-Source Intelligence (OSINT) investigations for international press organizations.
Managed high-availability server infrastructure (bare metal & cloud).
Extraction de données open source à but de data journalisme.
Orchestration orientée assets avec lignage natif et SLAs.
Scheduling par DAG pour workflows complexes et grand écosystème.
Cliquer pour jouer
Moteur OLAP embarqué. 100x plus rapide que Pandas.
Transformation SQL versionnée, testable et data contracts.
DataFrames Rust très haute performance avec exécution lazy.
Object storage S3-compatible. 0€ de licence vs AWS S3.
Couche de serving avec extensions (pgvector) pour APIs et BI.
Infrastructure conteneurisée et déployée via GitLab CI / GitHub Actions.
Base de données vectorielle pour RAG et recherche sémantique.
Backends Python sécurisés (FastAPI) et interfaces full-stack (NiceGUI).
Rotate pipes to connect the Source to Destination.
La plupart des ingénieurs empilent des services Cloud par réflexe. Moi, je choisis l'architecture qui maximise le ROI.
Alternatives open-source souveraines pour diviser par 10 les coûts d'infrastructure.
Une stack conteneurisée standardisée pour livrer de l'architecture à la prod en une semaine.
Hébergement sur vos serveurs ou cloud privé pour une conformité RGPD native et un contrôle total.
Des missions long terme ou poste clé pour structurer une plateforme data utile, sobre et maintenable, avec un lien fort au produit.
Avec le tableau de bord et le datalake, nous pouvons désormais suivre l'évolution de l'impact dans la commercialisation des producteurs via notre application, ainsi que l'autonomie générée par l'outil auprès de ces derniers.
Sacha S. (Responsable Achats, BZ)
L'expertise de Paul sur dbt et l'orchestration de nos pipelines avec Dagster a structuré notre équipe Data. Ses dashboards de performance logistique sont aujourd'hui indispensables au quotidien.
Marat K. (Lead Data, Wildberries)