Data Lake, Lakehouse & DWH
Construire un socle data moderne : DWH, zones bronze/silver/gold, architecture médaillon, ingestion, transformation, historisation, gouvernance et exposition aux usages BI, IA ou data science.
Depuis Bordeaux, je conçois, modernise et industrialise des plateformes Data Cloud : DWH, Data Lake, Lakehouse, architectures médaillon, Azure, Microsoft Fabric, Databricks, Synapse, Power BI, Terraform, CI/CD, FinOps, sécurité et gouvernance. Sur Azure quand c’est le bon choix, sur des providers européens comme Scaleway ou Hostinger quand la souveraineté prime. De la PME au grand groupe, avec le même niveau d’exigence.
L’objectif est de bâtir une plateforme exploitable par les métiers et maintenable par les équipes : des données fiables, des coûts suivis, des droits maîtrisés et une architecture qui reste lisible dans le temps.
Construire un socle data moderne : DWH, zones bronze/silver/gold, architecture médaillon, ingestion, transformation, historisation, gouvernance et exposition aux usages BI, IA ou data science.
Cadrer les briques Azure adaptées : DWH, Data Factory, Synapse, Data Lake Storage, Functions, Key Vault, Log Analytics, CI/CD et supervision.
Structurer des lakehouses, modèles sémantiques, rapports Power BI et usages métier avec une attention forte aux performances, droits d’accès et coûts.
Mettre en place des traitements PySpark, notebooks, jobs, optimisations, patterns de développement et bonnes pratiques pour des pipelines robustes.
Décrire et versionner l’infrastructure : environnements, réseau, stockage, secrets, monitoring, CI/CD et modules Terraform adaptés à une plateforme data maintenable.
Suivre les coûts par usage, éviter les ressources dormantes, dimensionner les traitements et rendre les arbitrages lisibles pour les équipes.
Gestion des accès, segmentation, secrets, logs, conformité RGPD, traçabilité, qualité des données et responsabilités claires sur les flux critiques.
Passer du POC à la production : pipelines de déploiement, normes de dev, revues, monitoring, alerting, documentation, reprise sur incident et accompagnement des équipes.
Azure reste souvent le choix naturel quand l’entreprise travaille déjà avec Microsoft, Power BI, Entra ID, Microsoft Fabric ou l’écosystème Azure. Mais tous les contextes ne se ressemblent pas : données sensibles, contraintes contractuelles, localisation, réversibilité, budget ou exigences de souveraineté peuvent changer l’architecture cible.
Selon les besoins, je peux cadrer une plateforme Azure, une approche hybride, ou une architecture plus souveraine sur des providers européens comme Scaleway ou Hostinger. Le but n’est pas de forcer un cloud unique, mais de choisir un socle adapté aux usages, aux risques, aux équipes et au niveau de contrôle attendu — avec la réversibilité posée dès la conception, pas découverte au moment de partir.
La question se pose aussi pour l’IA : dès qu’une plateforme expose ses données à un modèle, l’endroit où tourne l’inférence devient une décision d’architecture à part entière. C’est le sujet que je traite dans ce que coûte réellement une tâche d’agent IA et dans choisir une stratégie IA plutôt qu’un modèle.
Une bonne plateforme Data Cloud ne se résume pas à empiler des services. Elle doit répondre à des usages concrets, avec une trajectoire progressive et des critères de réussite mesurables. Le dimensionnement suit la taille de l’organisation : une PME a besoin d’un socle simple qui tienne debout sans équipe dédiée, un grand groupe a besoin d’une architecture qui passe la revue sécurité, la gouvernance des accès et le comité d’investissement.
Cartographier les flux, sources, rapports, traitements, coûts, dépendances, risques de sécurité et irritants opérationnels.
Choisir les briques utiles, les patterns d’ingestion, les règles de gouvernance, les SLA, les zones de données et le modèle d’exploitation.
Avancer par lots : socle, premiers flux critiques, pipelines CI/CD, monitoring, industrialisation, documentation et transfert progressif à l’équipe.
Depuis Bordeaux, j’accompagne les entreprises de toutes tailles à Bordeaux, Mérignac, Pessac, Talence, Bègles, en Gironde, en Nouvelle-Aquitaine et partout en France à distance sur des sujets d’architecture Data Cloud, DWH, architectures médaillon, Azure, Fabric, Databricks, Terraform, CI/CD, FinOps, sécurité et modernisation de plateformes.
L’architecte Data Azure conçoit le socle data et les flux sur Azure. L’expert data travaille aussi la modélisation, les traitements, la BI et la qualité. L’architecte cloud élargit le sujet à l’infrastructure, la sécurité, le réseau, le run et les coûts. Sur une plateforme Data Cloud, ces dimensions se recoupent fortement.
Non. Azure est souvent pertinent si l’entreprise utilise déjà Microsoft, Fabric, Power BI ou Entra ID. Mais selon les données, la souveraineté, le budget et les contraintes d’exploitation, une approche hybride, française ou européenne peut être préférable.
Oui. J’interviens sur la conception de plateformes, les pipelines, les DWH, les lakehouses, les architectures médaillon, les modèles sémantiques, les rapports Power BI, l’industrialisation et la gouvernance autour de ces briques.
Oui, quand le contexte le justifie. Terraform permet de versionner les environnements, d’éviter les configurations manuelles, de sécuriser les déploiements et de rendre la plateforme plus reproductible entre dev, recette et production.
Oui. L’objectif est de fiabiliser les livraisons : versionner le code, automatiser les déploiements, séparer dev, recette et production, contrôler les changements et réduire les manipulations manuelles sur les environnements critiques.
En cadrant les usages avant les services, en suivant les coûts par traitement ou domaine, en dimensionnant correctement les ressources, en automatisant l’arrêt des environnements inutiles et en gardant une gouvernance FinOps régulière.
Scaleway et Hostinger permettent d’opérer du calcul et du stockage sur des serveurs situés en Europe, avec DPA, sous-traitants identifiés et pas d’exposition au CLOUD Act. Le choix se fait sur le besoin réel : type de charge, volumétrie, services managés attendus, coût et exigences contractuelles. Une architecture souveraine se paie généralement en travail d’intégration, là où un cloud hyperscaler fournit davantage de briques prêtes à l’emploi.
Les deux. Une PME attend un socle simple, exploitable sans équipe data dédiée et dont les coûts restent lisibles. Un grand groupe attend une architecture qui passe la revue sécurité, la conformité, la gouvernance des accès et le comité d’investissement. J’adapte la méthode et les livrables au contexte, avec 9 ans d’expérience en Data, Cloud et BI sur des environnements retail, finance, santé, immobilier, institutionnel et conseil.
Non. Je suis basé à Bordeaux et peux intervenir auprès d’entreprises de la région bordelaise, de la Gironde et de la Nouvelle-Aquitaine, mais aussi partout en France à distance pour des audits, cadrages, architectures cible et accompagnements d’équipes.
Ce que je teste et mesure sur le terrain : coût réel de l’inférence, FinOps des outils IA, matériel local et arbitrages de souveraineté sur une plateforme data.
On peut commencer par un échange court pour comprendre votre existant, vos usages, vos contraintes de sécurité, vos coûts et le niveau de souveraineté attendu.
Échanger sur votre architecture cloud