Cas client pour Total Energies

Paris

La prestation réalisée chez TotalEnergies consiste en un accompagnement Data Science & Data Engineering de bout en bout, intégralement déployé sur environnement Cloud Google Cloud Platform (GCP), au service des équipes marketing et data.

Langages & Développement : Java, React, Architecture microservices, Python
Data Science & Machine Learning : Pandas, Analyses statistiques, Modélisation prédictive, Modélisation explicative, Machine Learning, Causalité & explicabilité des modèles
Data Engineering : Pipelines ETL, Ingestion de données (APIs, Web scraping, sources publiques), Traitement de données textuelles et tabulaires
IA & Agents intelligents : Data agents autonomes, Systèmes multi-agents, IA générative, Automatisation de la collecte et de l’analyse de données
Cloud & Plateforme : Google Cloud Platform (GCP), BigQuery, Vertex AI, Pipelines de données, APIs & services IA managés
Datavisualisation & Restitution : Streamlit, Dashboards interactifs orientés métier

SCRUM

Le dispositif projet repose sur une équipe composée de 2 Data Scientists et 1 Data Engineer, intervenant de manière coordonnée sur l’ensemble de la chaîne de valeur data.

Développement & Cloud GCP
• Développement d’applications Python
• Création d’interfaces métiers interactives
• Déploiement et exploitation des solutions sur GCP
(services de données, pipelines, APIs, sécurité)
• Collaboration étroite entre Data Scientists et Data Engineer pour l’industrialisation

Data Science – 2 Data Scientists
• Analyse des besoins métiers marketing et cadrage des cas d’usage
• Conception et implémentation de modèles avancés de Marketing Mix Modeling (MMM) et de modèles complémentaires (ABM)
• Exploitation et adaptation de solutions open-source avancées
• Développement de modèles explicables et interprétables
• Analyse des résultats, production d’insights et recommandations métier
• Contribution à la restitution des résultats via des interfaces adaptées aux utilisateurs

Data Engineering – 1 Data Engineer
• Conception et mise en œuvre de pipelines ETL sur GCP
• Collecte automatisée de données internes et externes (APIs, scraping)
• Structuration, nettoyage et historisation des données
• Mise en place et exploitation de bases de données analytiques (BigQuery)
• Orchestration et supervision des traitements data
• Garant de la performance, de la fiabilité et de la sécurité des flux