HELMI BEN ABDALLAH

• Membre d'une équipe projet responsable de la transition des applications du système d'information (SI) de Nexity vers Evoriel, via une approche de carve-out et une migration vers le cloud AWS
• Mes contributions principales ont porté sur :
• Architecture et intégration de données : Conception et mise en œuvre de l'architecture d'intégration de données, incluant la définition des flux applicatifs et la migration des données SAP BO
• Utilisation de bus d'événements (Event Driven Architecture) pour assurer la synchronisation des données entre les différents systèmes
• Business Intelligence et reporting : Contribution à la mise en place et à l'optimisation des solutions de Business Intelligence, en utilisant des outils tels que Power BI et SSIS de Microsoft
• Support à la migration cloud : Support à l'équipe projet pour la migration des infrastructures et applications vers le cloud AWS
• Ceci incluait la collaboration à la définition des architectures cibles, l'utilisation de building blocks pour optimiser l'exposition externe des services et la mutualisation des ressources, ainsi que la documentation détaillée des architectures via des schémas et des modèles.

Projets professionnels (accessibles sur GitHub):

1. Analyse des données de systèmes éducatifs (Banque Mondiale) : Nettoyage et analyse exploratoire de données massives (Banque Mondiale) à l'aide de Python, ANOVA, PCA, NumPy, pandas, seaborn et Matplotlib. Identification de corrélations significatives entre les variables et visualisation des résultats pour une meilleure compréhension des facteurs influençant la performance des systèmes éducatifs. Livrable : Rapport d'analyse et visualisations interactives.

2. Application de santé publique (Open Food Facts) : Développement d'une application d'analyse de données pour Open Food Facts, utilisant des analyses statistiques univariées et multivariées (ACP, scikit-learn) pour identifier les corrélations entre les variables nutritionnelles et la santé publique. Résultats : Amélioration de l'accessibilité des données et identification de tendances clés pour une meilleure prise de décision en matière de santé publique.

3. Modèle prédictif de consommation énergétique (Bâtiments) : Création d'un modèle prédictif de consommation énergétique des bâtiments basé sur l'analyse de données, évitant la fuite de données et utilisant des variables structurelles. Optimisation des performances via une évaluation rigoureuse des hyperparamètres et le choix d'algorithmes adaptés (ElasticNet, SVM, GradientBoosting, RandomForest). Résultats : Précision du modèle de 20%, permettant une meilleure gestion de l'énergie et une réduction des coûts énergétiques.

4. Segmentation client opérationnelle (E-commerce) : Développement d'une segmentation client opérationnelle pour une plateforme e-commerce, analysant la stabilité des segments au fil du temps. Utilisation de techniques de clustering (k-means, DBSCAN, clustering hiérarchique), ACP, MDS et t-SNE pour optimiser la performance de la plateforme. Résultats : Amélioration de 10% de la précision de la segmentation et identification des segments les plus rentables.

5. Moteur de classification automatique (Place de marché) : Conception d'un moteur de classification automatique de produits basé sur le texte et les images pour une place de marché anglophone (SIFT, ORB, CNN, TensorFlow, Keras, Word2Vec, BERT, VGG19, ALBEF, BERT + ResNet-50). Résultats : Amélioration de 15% de la précision de la classification, améliorant l'expérience utilisateur et le retour sur investissement pour les vendeurs.

6. Modèle de scoring de probabilité de faillite (Prêt à dépenser) : Développement d'un modèle de scoring de probabilité de faillite utilisant l'analyse des features importantes. Mise en production du modèle via une API avec une interface de test et implémentation d'une approche MLOps complète (suivi des expérimentations et analyse du data drift). Résultats : Amélioration de 5% de la précision du scoring, réduisant les risques de faillite et optimisant la gestion des risques.

7. Chaîne de traitement Big Data (Biodiversité des fruits) : Mise en place d'une chaîne de traitement Big Data pour une application mobile dédiée à la biodiversité des fruits, incluant une instance EMR opérationnelle, l'intégration de la diffusion des poids du modèle TensorFlow et une étape de réduction de dimension PCA en PySpark. Respect des normes RGPD et optimisation des coûts. Résultats : Traitement efficace de données massives, respect des réglementations et optimisation des ressources.

OUTILS ET TECHNOLOGIES : Spark, Hadoop, Pandas,Tensorflow,Keras, Jupyter, Machine Learning, Mlflow, AWS,Kubernetes, Docker…

Conception et architecture du SI (SNCF-FRET) :

• Modélisation et conception de l'architecture du SI : Dirigé la modélisation et la conception de l'architecture du système d'information, en collaboration avec les équipes techniques et métiers.Ceci a permis d'améliorer l'alignement entre les besoins métiers et les capacités techniques du SI
• Assemblage et configuration des composants : Assuré l'assemblage et la configuration optimale des composants matériels et logiciels, en adhérant aux normes techniques et aux réglementations de sécurité.Ce processus a garanti la stabilité et la sécurité du système.
• Stratégie de migration des données : Contribué à l'élaboration et à la mise en œuvre de la stratégie de migration des données, en évaluant les impacts et en assurant l'alignement avec les standards DSI Fret.Cette stratégie a permis une migration fluide et sans interruption du service
• Garantie de la cohérence et de la pérennité de l'architecture : Assuré la cohérence et la pérennité des architectures, des flux et des bases de données (Redis, Elasticsearch, MongoDB, Data Guard) en collaboration étroite avec les équipes réseau, sécurité, DevOps et Ops.Ce travail a réduit les risques liés aux pannes et aux problèmes de sécurité
• Migration vers des architectures distribuées à haute disponibilité : Piloté la migration vers une architecture distribuée à haute disponibilité (HA), incluant la mise en place de load balancers intermédiaires, d'un VIP frontal en SFTP, de HAProxy et la migration du socle des SBB.Cette migration a amélioré la résilience du système et a réduit les temps d'arrêt 80%.
• Accompagnement et choix d'architecture des données : Guidé les choix d'architecture de données pour les applications futures, en fournissant des architectures intermédiaires et cibles adaptées à la refonte des applications existantes.Cette approche a permis de garantir une évolution harmonieuse et une meilleure adaptabilité du système.
• Mise en œuvre et industrialisation de solutions innovantes : Mis en œuvre et industrialisé des solutions innovantes telles que CDC (Change Data Capture), DRP, gRPC, la haute disponibilité, la répartition de charge et la réplication (SBB, PostgreSQL, MongoDB, ESB).Ces améliorations ont permis une plus grande flexibilité et performance du SI
• Déploiement et validation DevOps : Assuré le déploiement et la validation du SI sur tous les environnements, en utilisant une approche DevOps (Jenkins, Docker, Kubernetes, Ansible, GCP).Ceci a accéléré le processus de déploiement et amélioré la qualité du code.Temps de déploiement réduit de 100%
• Mise en place des PRA : Mis en place des plans de reprise d'activité (PRA) pour les parties critiques du SI, garantissant la continuité du service en cas d'incident majeur.Ce travail a réduit le risque d'interruption du service
• OUTILS ET TECHNOLOGIES : Togaf, Haproxy, ESB, disaster recovery, DAT, Fuzze, CI/CD, Gitlab, Nexus, Sonar, Ansible, Kubernetes, Docker, ELK, Oracle, Postgres SQL.

• Contribution significative à la conception et à l'évolution de l'architecture de la plateforme e-commerce Carrefour, dans un contexte agile à grande échelle (SAFE)
• Mes responsabilités clés incluaient :
• Définition et raffinement de l'architecture : Collaboration étroite avec les équipes de développement pour définir et affiner l'architecture de la plateforme e-commerce, en utilisant des approches DDD et TOGAF
• Ceci a conduit à une architecture cloud native orientée événement CQRS, améliorant l'efficacité et la scalabilité du système
• Mise en œuvre de l'architecture cible : Conception et mise en œuvre de l'architecture cible et des architectures intermédiaires, en intégrant les meilleures pratiques du développement cloud natif
• Les améliorations apportées ont permis d'accroître l'autonomie des équipes de développement (+50%), de simplifier le modèle central et de réduire les dépendances de déploiement de la chaîne CI/CD (réduction de 50% des problèmes de déploiement)
• Industrialisation de solutions innovantes : Mise en œuvre et industrialisation de solutions basées sur les patterns Event Sourcing, CQRS et DDD, via la réalisation de preuves de concept (POCs) et l'intégration de ces solutions dans la plateforme e-commerce
• Déploiement et opérations DevOps : Déploiement et validation de l'architecture sur l'ensemble des environnements, en utilisant une approche DevOps avec des outils tels que Jenkins, Docker, Kubernetes, Ansible et GCP
• Ceci a permis une automatisation complète du processus de déploiement, améliorant la qualité et la vitesse des livraisons
• Optimisation des performances :, des équipes de performance pour améliorer les tests de charge, le réglage du Garbage Collector (tuning GC) et le monitoring de la partie Drive, conduisant à une amélioration des performances de 50%
• OUTILS ET TECHNOLOGIES : Saga Pattern, Couchedb, Event Driven Design, DDD, Ansible, Kubernetes, Camunda, gathering, promethus, graffana, Appdynamix, Google Cloud Provider, Kafka, ...

• Conception et implémentation d'une architecture micro services complète au sein d'une équipe de huit personnes
• Mes responsabilités incluaient : Conception de l'architecture microservices : Conception d'une architecture microservices de zéro, en suivant les principes des 12 facteurs et en intégrant les meilleures pratiques pour la scalabilité, la maintenabilité et la résilience
• Formation et mentorat : Formation des développeurs sur les patterns et les outils nécessaires à une architecture distribuée, incluant la gestion sécurisée des tokens (Auth2 et Keycloak), l'implémentation de mécanismes de robustesse (circuit breaker et bulkhead via Spring Cloud), le throttling et le versioning des APIs avec WSO2, et l'intégration de Docker dans la chaîne CI/CD avec externalisation des profils
• Collaboration et alignement : Collaboration étroite avec le chef de projet pour assurer l'alignement de la scalabilité et de la disponibilité du système avec les accords de niveau de service (SLA) signés
• Automatisation du déploiement : Pilotage et contribution à la mise en œuvre de pipelines d'automatisation pour le déploiement continu, garantissant une livraison rapide et fiable du logiciel
• Migration vers Azure : Conception et exécution de la migration de l'application vers la plateforme cloud Microsoft Azure, en utilisant des services Azure tels que (précisez les services Azure utilisés, par exemple : Azure Kubernetes Service (AKS), Azure App Service, Azure Database for MySQL, Azure Monitor)
• Cette migration a permis d'améliorer la scalabilité, la disponibilité et la performance de l'application
• OUTILS ET TECHNOLOGIES : Cloud Azure, Architecture Micro Services et son eco system DEVOPS Spring Boot, Swagger, , Maven, Gradle, CI/CD, Docker, Spring Actuator, Circuit Breaker, Hystrix, Netflix (Zuul), ( ElasticSearch, Logstash Kibana), Keycloak, AUTH2, WSO2,Angular,Spring 5

J'ai joué un rôle clé dans la conception et la réalisation des architectures applicatives de conforama.fr, en veillant à la conformité aux réglementations (RGPD) et aux normes de cybersécurité

Mes responsabilités incluaient :

• Expertise SAP et architecture de données : Accompagnement et suivi des projets SAP à enjeux data, depuis l'élaboration jusqu'à la réalisation des architectures applicatives, en tenant compte des contraintes de sécurité et de conformité RGPD
• Conception d'une architecture de données intégrée : Contribution à la conception d'une architecture de données intégrée et holistique, utilisant les technologies Hybris SAP, Talend et Mirakl
• Cette architecture a permis une intégration efficace des données des boutiques en ligne et des magasins physiques, assurant une expérience utilisateur harmonieuse sur tous les canaux
• Amélioration de 30% de l'efficacité des processus
• Tests de performance et optimisation : Apport significatif à l'équipe en matière de tests de performance, notamment les tests de charge, le tuning des points chauds, le développement des bouchons et la montée en charge pour la partie marketplace
• OUTILS ET TECHNOLOGIES : CentOS, Docker, git, sonar, nexus, Jmeter, Neoloader, Hybris, Mirakl, Dynatrace, Git, Jira, Confluence, VisualVM, Talend, Docker, Kubernetes, Spring boot, WS REST SOAP, Jmalloc., Architecture Micro-Services et son eco system DevOps (Docker container, Java 8, Spring Boot, String Batch, Consul, Vault, Rabbit MQ), Cloud: Amazon Web Services, Jenkins, Github, Jira, Confluence, Jenkins, MDM (Master Data Management)

• J'ai joué un rôle important dans la transformation de la gouvernance des données et la migration vers une architecture Big Data sur AWS, dans un contexte international et pour des projets techniques de grande envergure

Mes contributions principales comprenaient :

• Transformation de la gouvernance des données : Contribution significative au plan de transformation de la gouvernance des données et à la migration de l'écosystème d'intégration vers une nouvelle architecture Big Data sur AWS
• Définition et gestion des interfaces techniques : Rédaction des documents de conception détaillée des interfaces techniques (LLD) et des contrats d'interface pour garantir un alignement parfait entre toutes les parties prenantes : équipes FIM, Delivery, DevOps, Ops et équipe MDM
• Revue d'architecture et gouvernance : Participation active aux revues d'architecture pour les projets à enjeux data
• Maintien et évolution du cadre technique : Maintien et évolution du cadre de cohérence technique Data & Master Data Management/Référentiel en collaboration avec les experts MDM et les architectes applicatifs
• Ceci incluait la définition et l'application des principes d'architecture, des patterns, des normes et des bonnes pratiques

• Conception et implémentation d'une architecture haute performance pour une application de gestion active de la trésorerie de l'État, répondant à des contraintes de performance strictes (SLA) et améliorant significativement les temps de réponse par rapport au système hérité
• Mes réalisations clés :
• Amélioration spectaculaire des performances : Conception d'une architecture optimisée pour répondre à des exigences de performance critiques : intégration de 50 000 lignes dans une base de données de 30 millions de lignes en 3 minutes (contre 1 heure 30 auparavant) et temps de recherche réduit à 5 secondes
• Architecture haute performance : Mise en œuvre d'une architecture Pipe and Filter, combinant Spring Intégration et Spring Batch, pour optimiser les performances du système
• Remplacement d'une base de données relationnelle par une base de données NoSQL Redis comme cache pour accélérer les temps de réponse
• Expertise et partage des connaissances : Animation d'ateliers de formation pour les développeurs afin de partager les meilleures pratiques en matière d'optimisation des performances, couvrant des techniques telles que Bulk Insert, traitement par lots, multithreading, indexation et l'utilisation de WebSocket et d'unit of work pour les transactions
• Succès du projet et mise en production : Livraison et mise en production réussie de l'application au bout de 8 mois, avec des performances impressionnantes : 25 secondes pour l'écriture et 3 secondes pour la lecture, surpassant largement les objectifs initiaux
• OUTILS ET TECHNOLOGIES : Spring Integration, Spring Batch, Oracle, CentOs, Docker, git, sonar, nexus, WebSocket, Prime faces, TDD, DDD, event-driven design …

• Leadership technique et contribution à la refonte d'une application Legacy de recouvrement, en pilotant la conception et le déploiement d'un système moderne basé sur une architecture distribuée
• Mes réalisations clés incluent :
• Développement d'un robot de relance automatisé : Conception et implémentation, avec une équipe de cinq développeurs, d'un robot de relance automatisé générique et autonome, basé sur des timelines, indépendant des différents marchés (ADSL, Mobile, Fibre)
• Ce robot a automatisé un processus critique, améliorant l'efficacité du recouvrement
• Architecture distribuée basée sur API REST : Définition et mise en œuvre d'une architecture distribuée basée sur des API REST, impliquant la collaboration avec plusieurs équipes (Authority Design, métiers, infrastructure) pour garantir la scalabilité et la maintenabilité du système
• Formation de l'équipe aux meilleures pratiques (clean code, TDD, architecture hexagonale)
• Module de relance flexible et évolutif : Conception et implémentation du cœur de métier et de la base abstraite du module de relance, intégrant des fonctionnalités de SMS, e-mail et appels vocaux
• L'utilisation d'une approche "Plug and Play" pour les API de récupération et le chargement des données du marché a garanti la flexibilité et l'évolutivité du système, respectant le principe Open/Closed
• Succès du projet et reconnaissance : Mise en production réussie du système OBIS après un an de développement
• Ce projet a été salué par le chef de département comme une innovation majeure
• OUTILS ET TECHNOLOGIES : ROA, API, Spring Rest, SOAP, ATOM, Quartz, Talend ETL, Oracle, CentOS, Spring batch- admin, Web Socket, Scala.

• Conception et développement d'une application web complexe utilisant une architecture MVC2, contribuant à la réussite d'un projet ambitieux dans un environnement collaboratif
• Mes responsabilités incluaient :
• Développement Front-end: Conception et développement de la partie Front-end avec Flex, intégrant le framework MVC2 Cairngorn
• Développement Back-end: Développement de la couche persistance avec Hibernate et de la couche service avec Spring, en utilisant les meilleures pratiques de développement
• Création de modules de reporting performants avec iReport et Jasper
• Collaboration et communication : Collaboration étroite avec l'architecte et les experts métiers pour garantir l'alignement entre les exigences techniques et les besoins fonctionnels
• Optimisation du code : Amélioration de la qualité et des performances du code en appliquant les patterns de conception GOF, GRASP et les JEE blueprints
• Implémentation de patterns de performance tels que Thread Local, le chargement anticipatif asynchrone et le pattern Page-by-Page Iterator pour optimiser la vitesse et l'efficacité du système.