Concevoir les flux
Ingestion batch et streaming, transformations distribuées, modélisation et stockage adaptés aux usages métier.
Python · SQL · Spark · Kafka · S3
El Hadji Mboup · Data Engineer
Disponible pour un CDI · Île-de-France
Je transforme la donnée en systèmes fiables.
Data Engineer diplômé de Paris-Saclay et ingénieur informatique, avec une expérience concrète en Data Engineering et en production bancaire. Je conçois, industrialise et rends observables des pipelines de données fiables.
Production bancaireCrédit Agricole Technologies & Services
–30 %d’erreurs de données sur un cas qualité
3 environnementsDev · Homologation · Production
2 diplômesParis-Saclay · EPT
Ce que j’apporte
Une vision de bout en bout, du pipeline à l’exploitation.
Je réunis conception data, industrialisation et observabilité pour livrer des systèmes qui restent fiables une fois en production.
Passer en production
Orchestration, tests, CI/CD et déploiements multi-environnements pour réduire le risque opérationnel.
Airflow · GitLab CI/CD · Ansible · Docker
Fiabiliser la donnée
Contrôles qualité, traçabilité, métriques et observabilité pour détecter vite les dérives et anomalies.
Great Expectations · dbt · ELK · Data Quality
Expérience professionnelle
Des systèmes data confrontés aux exigences du réel.
Performance, sécurité, qualité et déploiement : mes expériences couvrent le cycle complet d’un produit data.
Mars — septembre 2026
Crédit Agricole Technologies & Services
Data Engineer · Stage de fin d’études
- Migration et optimisation de pipelines PySpark vers Spark 3.5 sur YARN en production, avec sécurisation Kerberos et orchestration Oozie.
- Industrialisation d’un pipeline de prévision multi-entités : SQL avancé sur Teradata, backtesting, contrôles qualité et mise en production.
- Automatisation des déploiements Dev, Homologation et Production avec GitLab CI/CD et Ansible.
- Mise en place d’une chaîne d’observabilité Filebeat → Kafka → Logstash → Elasticsearch → Kibana.
- Contribution à un assistant LLM : simulation d’API métier, injection de données, prompt engineering et benchmark RAG.
Octobre 2023 — mai 2025
Atos
Data Engineer · Alternance
- Développement de pipelines ETL Spark pour des données télécom massives et contribution à une plateforme d’observabilité.
- Automatisation du monitoring Data Quality avec dbt et Great Expectations, contribuant à réduire de 30 % les erreurs de données.
- Contribution à une plateforme Big Data suivant une approche Modern Data Stack pour un cas d’usage BCEAO.
- Développement d’un chatbot LLM/RAG avec LangChain et PostgreSQL.
Projets sélectionnés
Des architectures complètes, documentées et reproductibles.
Ces projets prolongent mes expériences professionnelles par des implémentations concrètes autour du cloud, du streaming et de la qualité.
Pipeline S3, Glue & Athena de bout en bout
Zone raw partitionnée, catalogue Glue, ETL vers Parquet, requêtes Athena, contrôles Data Quality et quarantaine des données invalides.
S3 → Glue Crawler → Glue ETL → Athena
Voir le repository ↗
Plateforme de supervision de données massives
Architecture Bronze/Silver/Gold pour ingérer, transformer, valider et superviser des données à grande échelle avec alerting et dashboards.
MinIO → Spark → Quality → ELK
Monitoring temps réel de capteurs agricoles
Flux de capteurs multi-régions, règles d’anomalie et états Normal/Alerte/Critique pour détecter les défaillances opérationnelles.
Kafka → Spark Streaming → Elasticsearch
Assistant enrichi par la donnée métier
Injection de données prioritaires, simulation d’API, ciblage documentaire et comparaison d’approches RAG pour améliorer la pertinence des réponses.
API métier → Retrieval → Reranking → LLM
Stack technique
Construire. Fiabiliser. Industrialiser.
Un socle Data Engineering solide, complété par le cloud, le DevOps et les pratiques GenAI utiles à la production.
Data Engineering & Big Data
Python · SQL / PL-SQL · Spark / PySpark · ETL / ELT · Kafka · Hive / HDFS · YARN · Databricks
Orchestration, qualité & observabilité
Airflow · dbt · Great Expectations · ELK · Data Quality · Data Observability
Cloud & DevOps
AWS S3 / Glue / Athena · Docker · Kubernetes · Terraform · GitLab CI/CD · Ansible · Linux
Bases de données
Teradata · PostgreSQL · Oracle · Snowflake · BigQuery
GenAI & MLOps
RAG · LangChain · prompt engineering · ciblage documentaire · MLflow
Formation & certifications
Double culture ingénieur et données à grande échelle.
Master 2 DataScale
Université Paris-Saclay · Big Data, NoSQL, Cloud Computing et gestion de données à grande échelle.
Diplôme d’Ingénieur de Conception
École Polytechnique de Thiès · Informatique & Télécommunications.
Certifications & accréditations
AWS Certified Cloud Practitioner · Apache Airflow Certification — Astronomer · Databricks Fundamentals Accreditation · Google Cloud Professional Data Engineer Learning Path
Prochaine étape
Construisons une plateforme data qui tient en production.
Je recherche un CDI Data Engineer en France et souhaite rejoindre une équipe qui traite la donnée comme un produit fiable, utile et durable.