En bref

Ingénieur Data avec plus de 2 ans d'expérience dans la construction et l'exploitation de plateformes de données en production sur Microsoft Azure. Chez JACQUEMUS, je suis responsable de plus de 20 pipelines d'entreprise, conçus sur une architecture medallion lakehouse dans Microsoft Fabric et orchestrés avec Fabric Data Factory, des notebooks Spark et des services web Quarkus en direct. Je dirige l'administration FinOps et Azure (automatisation PowerShell, IAM, dimensionnement du compute, configuration des pools Spark partagés) et j'ai standardisé l'observabilité Datadog sur l'ensemble de la plateforme et de ses flux de données.

Expérience

  • Data Engineer · JACQUEMUS

    Paris, France · août 2024 - aujourd'hui (2 ans 3 mois)

    • E-commerce et retail de luxe
    • Télétravail
    • 20+ pipelines
    • Azure Data Factory
    • Microsoft Fabric
    • Apache Spark
    • Datadog

    JACQUEMUS est une maison de mode de luxe française qui vend du prêt-à-porter, de la maroquinerie et des accessoires via son propre e-commerce, ses boutiques et ses partenaires grossistes.

    Au sein de l'équipe Data Platform, je suis responsable du parcours de commande retail de bout en bout sur l'OMS (order management system) et l'OCI (omnichannel inventory) pour les canaux e-commerce, boutique et grossiste. Je conçois et exploite les pipelines de données financières, produits, tarifs, entreposage et facturation sur un lakehouse en médaillon Microsoft Fabric, tout en dirigeant le FinOps et la gouvernance des coûts cloud.

    Ingénierie des données

    • Construction et maintenance de plus de 20 pipelines d'entreprise interconnectant Salesforce, ORLI/WMS, des API REST, des partages de fichiers SFTP, Azure Data Lake et Azure SQL (SQL Server). Impact : Les équipes analytics, logistique, reporting e-commerce et gestion des stocks travaillent à partir de ces flux : un pipeline bloqué retarde le reporting commercial du matin et la synchronisation des stocks.
    • Conception de la plateforme sur la stack de données moderne sur Azure : un lakehouse en médaillon sur Microsoft Fabric, orchestré avec Fabric Data Factory et transformé avec des notebooks PySpark pour structurer les données en couches Delta bronze, silver et gold. Impact : Établit une source unique de vérité à l'échelle de l'entreprise avec des couches de données structurées, accélérant les analyses Power BI et le reporting interservices.
    • Intégration de services web Quarkus REST en direct derrière Azure Application Gateway aux côtés des travaux planifiés par lots pour les événements de commande et de stock en temps réel. Impact : S'affranchit des fenêtres de rafraîchissement par lots pour la télémétrie prioritaire, transférant les données critiques via des points de terminaison API à faible latence.

    Cloud et FinOps

    • Réduction de €1,400 par mois sur les dépenses d'infrastructure Azure en automatisant l'extinction des environnements de dev via des runbooks PowerShell (Azure Automation), en gérant les accès IAM, en ajustant le compute et en redimensionnant les pools Spark partagés. Impact : Génère une économie mensuelle récurrente sur le budget plateforme, sans aucun impact SLA sur les pipelines de reporting du matin.

    Supervision et observabilité

    • Instrumentation des traitements d'ingestion avec Datadog APM et des tableaux de bord sur mesure sur Azure Data Factory, Microsoft Fabric et les pools d'exécution Spark. Impact : Assure une couverture d'alerte sur l'ensemble du parc de 150+ jobs, détectant les défaillances silencieuses avant le début de la journée d'exploitation.
    • Rédaction des runbooks d'architecture, des procédures de reprise d'activité (DRP) et du guide d'exploitation pour le parc de 150+ pipelines et le parcours de commande retail. Impact : Permet aux ingénieurs d'astreinte de résoudre les pannes directement depuis les procédures d'exploitation, réduisant le temps moyen de rétablissement (MTTR) lors des incidents.
  • Data Engineer · OLIVESOFT

    Sfax, Tunisie · févr. 2024 - juil. 2024 (6 mois)

    • E-commerce et retail de luxe
    • Sur site
    • MuleSoft CloudHub
    • DataWeave 2.0
    • Salesforce Service Cloud
    • Anypoint MQ
    • RAML
    • Diduenjoy

    OLIVESOFT est un cabinet de conseil data basé à Paris, délivrant des services d'ingénierie des données, d'intégration et de BI à plus de 20 clients, principalement dans le retail de luxe, couvrant le conseil, la livraison de projets et le support opérationnel des plateformes.

    Conception et réalisation du pipeline d'intégration d'avis clients en production pour le compte Kenzo Paris / LVMH, en s'appuyant sur une architecture MuleSoft à 3 niveaux déployée sur CloudHub entre Salesforce Service Cloud et Diduenjoy.

    • Architecture d'une connectivité MuleSoft API-led à 3 niveaux (System et Process APIs) sur MuleSoft CloudHub, utilisant DataWeave 2.0 pour transformer les événements de commande Salesforce en payloads Diduenjoy. Impact : Découplage du travail des agents et obtention d'un taux de réponse aux avis clients de 42 % dès le premier rapport mensuel, établissant un score NPS initial de 48 vers l'objectif de 55.
    • Mise en place de contrats REST RAML 1.0, de files Anypoint MQ et d'une politique de rejeu exponentiel à 5 tentatives séparant les échecs temporaires de la redirection permanente vers les files de rebut (DLQ). Impact : Zéro perte de données d'avis garantie lors des indisponibilités des API tierces, avec gestion automatisée des alertes de défaillance via CloudHub PaaS.
  • Machine Learning Engineer · REGIM Lab

    Sfax, Tunisie · juin 2023 - août 2023 (3 mois)

    • Séries temporelles de capteurs (recherche énergie)
    • Sur site
    • 300 foyers
    • Scikit-learn
    • Pandas & NumPy
    • Flask & Jinja2
    • Solidity & Web3.py
    • Ganache
    • Ausgrid Dataset

    REGIM-Lab (REsearch Groups in Intelligent Machines) est le laboratoire de recherche appliquée de l'École Nationale d'Ingénieurs de Sfax (ENIS), spécialisé dans les systèmes intelligents, l'apprentissage automatique et les architectures de données de capteurs.

    Conception et réalisation d'un prototype de recherche pour la supervision énergétique sécurisée et décentralisée, ingérant la télémétrie de compteurs communicants du jeu Ausgrid pour évaluer des modèles de détection d'anomalies par régression et enregistrer des pistes d'audit cryptographiques immuables.

    • Ingestion et prétraitement d'une année de télémétrie à intervalles de 30 minutes (~5,2M d'enregistrements) sur 300 foyers solaires avec Pandas et NumPy, restituant les métriques en direct via un tableau de bord Flask, Jinja2 et JavaScript.
    • Ingénierie de caractéristiques temporelles et évaluation de modèles de régression Scikit-learn pour isoler les anomalies, avec écriture d'empreintes cryptographiques sur des smart contracts Solidity via Web3.py sur un réseau de test Ganache local. Impact : Constitue l'architecture de données de base et les évaluations empiriques d'un article de recherche publié dans Computers & Industrial Engineering (Elsevier, 2025).
  • OEM ENGINEERING S.A.R.L

    Sfax, Tunisie · juin 2022 - mai 2023 (1 an)

    • Séries temporelles de capteurs (tri industriel)
    • Sur site

    OEM ENGINEERING est une société canadienne d'ingénierie industrielle dont le siège est à Sherbrooke, au Québec, et le site d'ingénierie à Sfax, en Tunisie. Elle construit des systèmes de tri de matériaux à haute cadence qui identifient les alliages métalliques en ligne à partir de signaux de caméras proche infrarouge visible (VNIR).

    Conception et réalisation de la chaîne de traitement du signal temps réel et de classification d'alliages en ligne à travers deux postes, combinant un filtrage C++ à haute cadence (~2 000 im/s) et des modèles spectraux XGBoost d'évaluation.

    Machine Learning & Statistical Engineer

    sept. 2022 - mai 2023 (9 mois)

    • ~2 000 images/seconde
    • C++
    • XGBoost
    • scikit-learn
    • NumPy

    Classification temps réel

    • Intégration de la chaîne de filtrage Savitzky-Golay en C++ dans la classification d'alliages en ligne, en soutenant environ 2 000 images par seconde (budget de latence <0,5 ms par image) pour des décisions de tri en temps réel. Impact : L'identification des alliages tourne à la vitesse nominale du convoyeur, respectant la contrainte stricte de débit matériel nécessaire au tri en ligne.

    R&D modèle

    • Développement de caractéristiques spectrales et évaluation de modèles XGBoost hors ligne avec Scikit-learn et NumPy sur un jeu de données de ~10 000+ échantillons spectraux VNIR, atteignant 94,7 % de justesse sur plusieurs classes d'alliages tout en conservant la séparation avec la production en raison des contraintes de latence.

    Signal Processing Engineer

    juin 2022 - août 2022 (3 mois)

    • C++
    • Savitzky-Golay Filtering
    • VNIR Spectroscopy
    • Gain de 100× sur le prétraitement du signal, en remplaçant une implémentation Savitzky-Golay en C# par un filtrage C++ optimisé à paramètres fixes en mémoire et compilation optimisée GCC, tout en conservant le même comportement de filtre pour le tri en ligne. Impact : Le prétraitement a cessé d'être le goulot d'étranglement, et c'est cette chaîne qui est passée en ligne l'automne suivant, là où le filtre doit tenir la cadence de la caméra au lieu de courir derrière.

Formation

  • Diplôme d'Ingénieur en Informatique · National Engineering School of Sfax

    Sfax, Tunisie · 2021-2024 (3 years)

    Cycle d'ingénieur en informatique, spécialisation ingénierie des données, systèmes distribués, architectures cloud et IA appliquée.

    Projet de fin d'études

    • Sujet : intégration tolérante aux pannes entre un service desk Salesforce et une plateforme externe d'avis clients, étudiée sur un stage de fin d'études de six mois chez OLIVESOFT.
    • La thèse : un échange asynchrone par file d'attente permet au service desk de continuer à fonctionner quand la plateforme aval est lente ou indisponible. Le mémoire expose l'architecture, les cas de panne qu'elle couvre et les compromis qu'elle accepte.
    • Résultat : un mémoire écrit et une intégration en production, soutenus pour l'obtention du diplôme en 2024.

    Spécialisation données et systèmes

    • Ingénierie des données et cloud : traitement big data, systèmes de gestion de bases de données (SGBD), business intelligence, calcul parallèle et distribué, et architectures cloud.
    • IA appliquée : apprentissage automatique et vision par ordinateur.
    • Artisanat logiciel et systèmes : DevOps, microservices, blockchain industrielle et clean coding.

    Clubs étudiants et formation

    • Responsable formation, Securinets ENIS : animation du parcours de formation technique du club, 6 sessions par an (3 par semestre), de l'assembleur x86 aux travaux pratiques de rétro-ingénierie, jusqu'à l'exploitation web et l'injection SQL, ouvert aux membres du club comme à tout étudiant de l'ENIS qui se présentait.
    • Trouver les personnes pour l'enseigner : recrutement d'étudiants avancés et d'ingénieurs en poste pour les sujets que le club ne pouvait pas couvrir lui-même, et construction du calendrier du semestre autour de leurs disponibilités.
    • Membre, IEEE Student Branch ENIS : membre du groupe animant la série d'initiation à la programmation (fondamentaux CS, Python, C++ pour la programmation compétitive).
  • Cycle préparatoire intégré (Mathématiques et Physique) · Higher Institute of Applied Sciences and Technology of Mahdia

    Mahdia, Tunisie · 2019-2021 (2 years)

    • Classes préparatoires nationales

    Le cycle préparatoire national tunisien aux écoles d'ingénieurs, filière MP : mathématiques et physique intensives, l'admission à l'École Nationale d'Ingénieurs de Sfax (ENIS) étant décidée par le classement au concours national.

    • Mathématiques avancées : analyse réelle et complexe, algèbre linéaire, théorie des matrices, équations différentielles, méthodes numériques et théorie des probabilités.
    • Physique et fondements du calcul : mécanique classique, électromagnétisme, thermodynamique, physique des ondes et résolution algorithmique de problèmes.

Certifications

Certifié par les éditeurs sur toute la chaîne data : plateformes de données cloud, orchestration, intégration et observabilité.

Cours en ligne

Formation continue sur les fondamentaux de l'informatique et les technologies émergentes, pour comprendre comment les nouveaux outils s'articulent aux architectures data modernes.

Bénévolat

Réponse de crise, avant tout le reste.

  • Jeunes Ingénieurs de Djerba (JID)

    Djerba, Tunisie · Orientini · juil. 2023 (1 mois)

    • Accompagnement de lycéens dans le choix d'une filière d'ingénierie et des carrières auxquelles elle mène.
  • Jeunes Ingénieurs de Djerba (JID)

    Djerba, Tunisie · Orientini · juil. 2022 (1 mois)

    • Accompagnement de lycéens dans le choix d'une filière d'ingénierie et des carrières auxquelles elle mène.
  • Croissant-Rouge tunisien · Comité local de Houmt Souk, Djerba

    Djerba, Tunisie · Riposte COVID-19 · mars 2020 - juin 2021 (1 an 4 mois)

    • Participation à l'organisation de la distribution de l'aide et à la coordination des files d'attente.
    • Collecte et distribution de produits de première nécessité, et accompagnement des personnes âgées.