Data engineering
Architecture, pipelines, recrutement.
Verticale · Renfort de direction data & produit
20 ans à la croisée de la donnée, du produit et du management. Pour les organisations qui ont besoin de cadrer leur donnée ou leur produit avant d’engager, que le sujet soit géospatial ou non.
Offre 1
Founding data hire : architecture de la stack, arbitrages techniques, interface directe avec le board. Mais aussi, et surtout, pilotage d'équipe pluridisciplinaire : au-delà des data engineers et analystes, j'ai recruté, encadré et fait monter en compétence des designers UX/UI et des développeurs back et front, de la première recrue à une équipe de 7 personnes.
Architecture, pipelines, recrutement.
Encadrement designers, cohérence produit.
Arbitrages techniques, revue d'architecture.
Priorisation, qualité, delivery.
Offre 2
Votre plateforme SaaS, votre produit data ou votre WebSIG manque de vision produit ? Cadrage des écrans avec les utilisateurs métier, rédaction d'epics et de user stories, arbitrage de backlog : je porte la vision produit d'un outil autant que la donnée qui l'alimente, avec la double lecture technique et business que donnent 20 ans à cette croisée.
Sur les cinq dernières années, l'essentiel de mon travail n'a pas été de produire des analyses, mais de décider quoi construire, dans quel ordre, et de le faire tenir dans la durée. Je fais le lien entre les utilisateurs, les équipes techniques et la direction : je cadre le besoin, j'écris les spécifications, j'arbitre le backlog, et je mesure ce qui a réellement été livré.
Entretiens utilisateurs, cartographie des usages réels, tri entre ce qui est demandé et ce qui est nécessaire.
Découpage en incréments livrables, priorisation explicite, arbitrages assumés et documentés plutôt que subis.
User stories, critères d'acceptation, recette, et la traduction du besoin métier en quelque chose de constructible.
Instrumentation prévue dès la conception, indicateurs d'adoption, décision explicite de poursuivre ou d'arrêter.
Contrats d'interface, qualité, documentation, utilisateurs identifiés : un jeu de données a des clients, comme une fonctionnalité.
Formats d'intervention
Product owner du produit : cadrage avec les utilisateurs métier, priorisation du backlog, spécifications et critères d'acceptation, recette, puis mesure de l'usage réel une fois en production. C'est là que j'ai passé le plus de temps sur ce rôle.
Même rôle, sur un produit encore en construction et non communicable à ce stade. J'en parle volontiers de vive voix, dans les limites de ce que je peux dire.
Sur ces deux projets, j'ai tenu le rôle sans qu'il en porte le nom : cadrage des interfaces, arbitrage des fonctionnalités, allers-retours avec les agents utilisateurs, jusqu'à la mise en service.
Une architecture Modern Data Stack : ingestion, entrepôt, transformation versionnée, exposition.
Pipeline d’analytics produit mis en œuvre en mission · illustration d’architecture
Ce schéma illustre une architecture standard. Il ne reproduit pas la configuration d’un client précis.
Formats de mission
PRD testable, arbitrage du périmètre par lots, modèle de revenus et frontière gratuit / payant, protocole de test avec seuils de décision, backlog priorisé.
Méthode appliquée en 2026 au cadrage complet d’une plateforme SaaS, du PRD au prototype testé sur données réelles.
Se commande sans publicité ni mise en concurrence préalables.
État des lieux des données, des outils et des usages réels, cible d’architecture argumentée, plan de recrutement ou de sous-traitance, note de trois pages présentable en comité.
Voir aussi
30 minutes pour comprendre votre contexte et voir si un renfort ponctuel ou récurrent est le bon format.
La data n'élimine pas le risque. Elle permet de le choisir.