4,5 M+ produits synchronisés en 55 min au lieu de 9 h.

À propos

Je construis la chaîne data de bout en bout.

Je suis Data Engineer. Ingestion, modélisation, mise en production, restitution : je prends en charge toute la chaîne, et je la mesure.

Chief Engineer bénévole d'E-halal (oct. 2025 – juin 2026), j'ai conçu Halal Open Food Facts et Halal Open Beauty Facts : architecture, import de 4,5 M+ produits, infrastructure auto-hébergée. J'y ai ensuite intégré Halal Assistant, un agent IA qui interroge la base en langage naturel.

Je suis en Master 1 Modélisation des Données à l'Université de Lille, après un master en statistique appliquée et informatique décisionnelle et une licence en actuariat à l'ISTA, Université du Burundi.

Chiffres clés

Plateformes Halal Open Food Facts et Halal Open Beauty Facts, en production.

• 4,5 M+

  produits ingérés et synchronisés automatiquement

• 12 000

  visiteurs par mois

• 25 000

  tâches Celery traitées par jour

• 99,5 %

  de disponibilité

• < 300 ms

  temps de réponse API médian

• 9 h → 55 min

  durée de synchronisation, soit −90 %

  Avant9 h

  Après55 min

Projets

Des données en production, pas en démo.

Autres projets

• Data Engineering · E-halal

  Plateformes Halal Open Food Facts & Beauty Facts

  Deux plateformes de données open source, de l'ingestion à l'infrastructure. 4,5 M+ produits, 12 000 visiteurs par mois.

  • Django REST
  • PostgreSQL
  • Redis / Celery
  • Docker
  • Nginx
  • OVHcloud
  Détails

  • Import streamé des dumps CSV Open Food Facts et Open Beauty Facts vers PostgreSQL, puis synchronisation delta horaire (Celery Beat).
  • Synchronisation réduite de 9 h à 55 min (−90 %) ; 25 000 tâches Celery traitées par jour.
  • Infrastructure sécurisée sur VPS OVHcloud (HTTPS, sauvegardes, accès restreints) : 99,5 % de disponibilité, API médiane < 300 ms.
  • Processus de contribution open source (CI, documentation, gouvernance) : 350 contributeurs inscrits, 40 pull requests fusionnées.

  GitHub · Food ↗ GitHub · Beauty ↗

• Big Data · ISTA

  Pipeline Big Data NYC Yellow Taxi

  40 millions de courses traitées avec PySpark, 6 fois plus vite qu'avec pandas.

  • PySpark
  • Parquet
  • scikit-learn
  • Streamlit
  Détails

  • Pipeline PySpark sur données Parquet : 40 millions de courses, temps de traitement divisé par 6 par rapport à pandas.
  • Quatre modèles de machine learning comparés ; meilleur modèle R² = 0,87.
  • Tableau de bord interactif Streamlit pour restituer les indicateurs.

• Machine Learning

  Prédiction de sinistres en assurance

  Pipeline ML modulaire : 5 modèles comparés, meilleur AUC = 0,81.

  • Python
  • pandas
  • scikit-learn
  • Joblib
  Détails

  • Recherche d'hyperparamètres (RandomizedSearchCV), validation croisée à 5 plis, configuration des jeux de données.
  • Sérialisation des modèles avec Joblib pour une mise en production.

  GitHub ↗

• IA documentaire

  Documents Assist

  Interroger ses documents en langage naturel, avec des sources vérifiables.

  • Python
  • Streamlit
  • PyMuPDF
  • TF-IDF
  • LLM optionnel
  Détails

  • Extraction multi-formats (PDF, DOCX, XLSX, EPUB, HTML…) et découpage en passages par page.
  • Recherche hybride TF-IDF mots/caractères ; citations construites à partir des métadonnées, jamais du texte généré.
  • Fonctionne en local sans clé API ; LLM optionnel via une API compatible OpenAI.

  GitHub ↗

• Projet de fin de Master 1 · ISTA

  OpenISTA

  Plateforme de gestion universitaire pour l'ISTA, Université du Burundi.

  • Flask
  • PostgreSQL
  • SQLAlchemy
  • Jinja2
  Détails

  • Application Flask/PostgreSQL : étudiants, enseignants, cours, bibliothèque et messagerie interne.

  GitHub ↗

• Full-stack · Marketplace

  Maghreb Market

  Marketplace de petites annonces pour le Maghreb.

  • Next.js
  • TypeScript
  • Django
  • PostgreSQL
  Détails

  • Recherche géographique, création guidée d'annonces, messagerie acheteur/vendeur, modération automatique et back-office.

  GitHub ↗

• Statistique appliquée

  Étude ISOKO IRAMA / SESA

  Analyse statistique de 489 répondants pour un projet financé par l'UE.

  • R
  • SPSS
  • KoboToolbox
  Détails

  • Séparation méthodologique structures / individus et collecte terrain via KoboCollect.

• Projet personnel

  Fleury Finance Tracker

  Suivi de finances personnelles BIF/EUR en une page HTML.

  • JavaScript
  • GitHub Gist API
  Détails

  • Synchronisation des données via l'API GitHub Gist.

  GitHub ↗

Parcours

De la statistique à la donnée en production.

Compétences

Les outils, par usage.

• Data Engineering

  • Python
  • pandas
  • PySpark
  • SQL
  • Bash
  • Pipelines ETL/ELT
  • Synchronisation de bases
  • Données massives et temps réel
  • Modélisation de données
  • Redis / Celery

• IA & LLM

  • Intégration de LLM via API
  • Agents conversationnels
  • RAG
  • pgvector
  • Claude
  • OpenRouter

• Bases de données

  • PostgreSQL
  • Oracle
  • NoSQL
  • Redis

• Machine Learning

  • scikit-learn
  • Modèles prédictifs
  • Validation croisée
  • Gradient boosting

• Infra & DevOps

  • Docker
  • Linux
  • OVHcloud
  • GCP
  • Nginx
  • Git / GitHub
  • GitHub Actions

• BI & statistique

  • Power BI
  • Streamlit
  • R
  • Excel / VBA
  • Stata
  • SPSS
  • KoboToolbox

• Web & API

  • Django REST
  • Flask
  • React
  • Next.js
  • TypeScript