photo / portrait
Dix ans en banque et en assurance, ce sont dix ans de travail derrière une clause de confidentialité. NOVAPAY est à moi : un lakehouse paiements et lutte anti-fraude que j'ai construit de bout en bout, sur Databricks et GCP. Chaque couche est ouverte. Cliquez un nœud.
Ingestion incrémentale, tolérante à l'évolution de schéma. La donnée reçue est conservée sans modification, avec ses colonnes de traçabilité : fichier d'origine, horodatage d'ingestion.
Typage, normalisation, contrôles qualité et quarantaine. Historisation SCD 2 du référentiel client, conversion des devises au taux du jour. Aucune ligne écartée ne disparaît.
Indicateurs consolidés, scoring, files d'alerte, tables de supervision. Exposés par BigQuery, documentés et gouvernés par groupe dans Unity Catalog.
[02:00:04] INFO autoloader → 70 000 transactions détectées · schéma inchangé [02:00:31] INFO bronze → Delta, append seul · traçabilité fichier + horodatage [02:01:12] INFO dq.engine → 5 règles évaluées, aux comportements distincts [02:01:12] WARN dq.devise → devise inconnue → quarantaine [02:01:12] WARN dq.marchand → absent du référentiel → quarantaine [02:01:13] OK dq.balance → reçu = traité + quarantaine ✓ [02:02:47] INFO silver.scd2 → référentiel client historisé · devises au taux du jour [02:03:20] INFO risk.scoring → seuils paramétrables · file d'alerte alimentée [02:04:02] INFO gold→bq → tables publiées · gouvernance par groupe Unity Catalog [02:04:09] DONE pipeline → détection disponible en moins de 15 min · avant : 26 h
Chaque chiffre a été mesuré sur une mission, avant et après.
Moteur de pricing, puis calcul de risque, puis contrôle de marché, puis déclaratif réglementaire. Toujours la même question : faire arriver un calcul lourd à l'heure, et pouvoir prouver qu'il est juste. Chaque carte s'ouvre sur le détail technique.
Une chaîne complète sur Databricks et GCP : ingestion incrémentale de 70 000 transactions par jour, tolérante à l'évolution de schéma ; cinq règles de contrôle aux comportements distincts et une quarantaine réconciliable à la ligne près ; historisation SCD 2 du référentiel client et conversion des devises au taux du jour ; scoring de risque à seuils paramétrables ; indicateurs consolidés, files d'alerte et tables de supervision exposés par BigQuery, gouvernés par groupe dans Unity Catalog.
FICOVIE, FATCA, échange automatique d'informations, sur une plateforme Big Data fortement contrainte : volumétrie, conformité, échéances fermes. J'ai piloté la migration de la plateforme — Oozie vers Airflow, Spark 2.4 vers 3.5, Java 8 vers 17 — et la direction technique d'une équipe de cinq data engineers.
Une plateforme de contrôle de marché sur des volumétries massives, en pleine migration cloud. J'ai piloté le passage de l'on-premise vers Azure (HDInsight, Azure Storage), la montée de Spark 2 vers Spark 3, et une équipe Data Engineering répartie entre Paris, Londres et Bangalore.
Un moteur de calcul et de restitution d'indicateurs de risque de marché — VaR, CVaR — et de P&L (sensibilités × chocs, valeur présente) pour les activités de marché. J'ai optimisé les jobs Spark, tenu le rôle de Release Manager, et introduit le TDD dans une équipe qui n'avait jamais écrit un test.
Un outil de pricing de produits dérivés et structurés, utilisé quotidiennement par les desks de trading. J'ai développé les microservices autour du moteur de pricing — Java, Spring Boot, CQRS, event sourcing —, contribué à l'architecture orientée événements, et tenu les mises en production.
Deux autres produits construits sur mon temps, à côté de NOVAPAY. FMS est une plateforme agricole multi-tenant (Spring Boot, React Native, RBAC par ferme, internationalisation AR/FR). Nawba est une gestion de file d'attente temps réel (Fastify, WebSocket, React). Ce sont eux qui servent de terrain d'essai avant qu'un outil arrive en mission.
Deux certifications Databricks portent une URL publique de vérification. Vérifiez-les.
M2 MIAGE — Informatique pour la Finance
Université Paris-Dauphine · 2015–2016
Diplôme d'ingénieur — Génie informatique
ENSEIRB-MATMECA, Bordeaux · 2013–2016
CPGE MP — Mathématiques & Physique · 2011–2013
Presque tout ce que j'ai construit est derrière une clause de confidentialité. Trois choses n'y sont pas.
Écrits depuis les missions, pas depuis la documentation. Jugez le raisonnement avant le CV — c'est la partie que vous pouvez lire tout de suite.
Lire les écrits ↗BNP Paribas, Natixis, Société Générale, Crédit Agricole Assurances. Dates, rôles et périmètres détaillés.
Profil LinkedIn ↗Data Engineer Professional et Associate, plus Associate Developer for Spark 3.0. Certificats communiqués sur demande.
Voir la liste ↑« Emplacement — une recommandation LinkedIn réelle vient ici. »
« Emplacement — une recommandation LinkedIn réelle vient ici. »
« Emplacement — une recommandation LinkedIn réelle vient ici. »
Des essais et des notes plus courtes, tous issus d'une question qu'une mission a forcé à trancher. Rien ici n'est une page de documentation réécrite.
Dans une chaîne réglementaire, une jointure interne ne nettoie pas la donnée. Elle retire des lignes qu'on avait l'obligation de déclarer, et aucun tableau de bord ne vous le dira, parce qu'une ligne supprimée ne peut pas signaler sa propre absence.
Aucune promotion. Désinscription en un clic, et l'archive reste ouverte sans adresse.
Trente minutes suffisent en général pour situer où est la vraie contrainte. Sans pitch, sans slides.