Architecte Cloud & Data Enterprise

Finance

Informatique

France

IT

AWSGCPSparkKafkaFlinkPostgreSQLMongoDBElasticsearchAirflowDagsterStep FunctionsTensorFlowPyTorchScikit-learnMLflowKubeflowSageMakerDockerKubernetesOpenShiftTerraformAnsibleCloudFormationGitLabJenkinsArgoCDCloudWatchELKGrafanaPrometheusOpenTelemetryDynatracePythonShellBashYAMLJSONGoTypeScriptDraw.ioVisioLucidchartExcalidraw

Rôle

Architecte Cloud Native et Data responsable de la conception et de l'industrialisation des architectures cloud (AWS/GCP) data (Data Lake Data Warehouse Data Mesh) et MLOps au sein du DataLab Groupe & AI Factory Group en cohérence avec les standards et la stratégie du Groupe Crédit Agricole.

Technologies

AWSGCPSparkKafkaFlinkPostgreSQLMongoDBElasticsearchAirflowDagsterStep FunctionsTensorFlowPyTorchScikit-learnMLflowKubeflowSageMakerDockerKubernetesOpenShiftTerraformAnsibleCloudFormationGitLabJenkinsArgoCDCloudWatchELKGrafanaPrometheusOpenTelemetryDynatracePythonShellBashYAMLJSONGoTypeScriptDraw.ioVisioLucidchartExcalidraw

Entités

Direction DE LA Transformation TechnologiqueDirection Data & IADatalab Groupe & AI Factory Group

Contextes

FinanceBanque

Compétences

Architecture Cloud-Native (AWS/GCP)Modélisation d'architectures cloud sécurisées, robustes, scalables et résilientesRédaction de dossiers d'architecture (DAT, HLD/LLD)Architecture de données modernes (Data Lake, Lakehouse, Data Mesh)Orchestration de donnéesData Governance et Data QualityCycles de vie des modèles de Machine LearningMLOps et industrialisation de modèles IACI/CD et automatisationConteneurisation et orchestrationInfrastructure as CodeSupervision et observabilitéCommunication et animation d'équipesCapacité d'abstraction et d'écouteIA responsable et conformité réglementaire

Challenges détectés

6 enjeux

Optimisation
Concevoir des architectures Cloud-Native sécurisées et optimisées répondant aux exigences de disponibilité, performance
Conformité
Assurer la cohérence des architectures avec les standards et normes du Groupe Crédit Agricole
Transformation
Définir et faire évoluer les architectures de données en cohérence avec la stratégie Data du Groupe
Optimisation
Concevoir des pipelines de données scalables et résilients pour l'ingestion, transformation et mise à disposition
Conformité
Garantir la qualité, traçabilité et gouvernance des données tout au long de leur cycle de vie
Transformation
Mettre en place des plateformes MLOps pour le déploiement et l'industrialisation de modèles IA