conseil indépendant · applications data cloud

Applications data cloud pour moyennes et grandes entreprises

Cadrage et réalisation de projets data sur le cloud, sur des périmètres larges. La plupart des incidents surviennent aux interfaces : entre deux clouds, entre deux équipes, entre deux régimes de données. Les missions sont courtes, produisent un livrable vérifiable et se terminent par une passation écrite. Elles se déroulent en français ou en anglais, avec des équipes en France ou à l’étranger.

Le signe dessine un commutateur : deux montants et une barre mobile. L’ancienne position de la barre reste tracée en trait clair, si bien que l’état précédent et l’état actuel sont visibles ensemble. Les systèmes livrés suivent la même règle. Chaque changement laisse voir l’état antérieur, et chaque partie peut être arrêtée ou remplacée sans interrompre les autres.

01ce qui est proposé

Six façons d’intervenir, du cadrage à la mise en production. Chacune aboutit à un livrable utilisé en production, qu’un ingénieur interne peut relire, reprendre et valider.

construire
applications web · analytique · machine learning
Applications web, plateformes analytiques et services de machine learning, du prototype à la mise en production sur AWS ou Azure. Durée type : 6 mois à 1 an.
migrer et moderniser
migration de plateforme · reprise de code existant
Migration de plateformes cloud et reprise de code existant. Les services qui doivent fonctionner pendant la transition restent en service. Durée type : 3 à 6 mois.
auditer et gouverner
audit de systèmes · gouvernance des données
Revue critique d’un système en place, et mise en place d’une gouvernance des données que l’équipe continue d’appliquer après la mission. Durée type : 3 mois.
transmettre et former
plateforme neuve · adoption · montée en compétence
Adoption d’une nouvelle plateforme par l’équipe qui va l’exploiter : cas d’usage construit avec elle, architecture expliquée, formation sur ses propres données. La mission se termine quand l’équipe interne livre le tableau de bord suivant sans aide. Durée type : 6 mois à 1 an.
adopter l’IA dans les métiers
ia générative · agents · cas d’usage
Adoption de l’IA générative et d’agents : cas d’usage choisis sur un impact mesuré, règles d’usage écrites, formation des équipes. La qualité du résultat dépend surtout des données fournies au modèle, et ce sont les pratiques des métiers qui changent. Durée type : 6 mois à 1 an.
créer une présence en ligne
association · profession libérale · indépendant
Identité visuelle et présence en ligne pour une petite structure. Le livrable comprend le système de conception (jetons, composants, règles écrites) en plus des pages, pour que la structure puisse faire évoluer son site sans prestataire. Ce site en est un exemple.
Un paysage à l’encre sépia et au lavis : une ligne d’arbres et de ruines basses, un cyprès à gauche, beaucoup de papier au-dessus.
Claude LorrainPaysage romain, milieu du XVIIe siècle
02missions récentes

Six clients, secteurs et rôles réels.

2026Stratégie d’agents IA pour la branche transportsAssistance aux utilisateurs de l’IA générative, agents construits sur Copilot, suivi des feuilles de route des éditeurs.Egis Group2024Trois projets Azure sur l’activité industrielleDétection de sable en pipeline, comptabilité analytique de raffinerie, outil d’évaluation des risques sur site.TotalEnergies — Digital Factory2025Cas d’usage RH et formation des équipes sur Microsoft FabricMise en œuvre du cas d’usage, formation des équipes internes à l’architecture retenue.OCDE
03produits

Des outils open source pour les indépendants, développés hors de toute mission client. Leurs hypothèses sont affichées et modifiables. Deux d’entre eux ci-dessous, les autres sur la page produits.

open source · modèle · ia au travail
DUTY

Estime le temps qu’un assistant d’IA fait gagner sur une journée, en séparant les heures, la charge et les attentes. Le gain est plafonné par la relecture.

open source · simulateur · patrimoine
FIRE

Estime un patrimoine, puis ce qu’il peut verser chaque année et combien de temps il dure, selon la fiscalité française ou japonaise.

04derniers points de vue

Des articles tirés des missions, datés du moment où le travail a eu lieu.

2026Le grain de l’aléatoire : ce qui décide d’une répétitionUn générateur de champs répétés se règle en général avec un seul nombre, la quantité d’aléatoire. C’est pourtant le paramètre le moins déterminant. L’aspect de l’image dépend surtout du niveau auquel cet aléatoire intervient, et ce niveau n’apparaît nulle part dans le code.1er septembre 20262026Gale-Shapley en milonga : stable ne veut pas dire équitableL’algorithme récompensé par le prix Nobel 2012 garantit qu’aucune paire de danseurs ne préférerait se former en dehors de l’appariement obtenu. Il ne garantit à personne de danser, et l’écart entre ces deux propriétés est plus important qu’il n’y paraît.31 août 2026
Un bois gravé : des solides géométriques (tore ouvert, polyèdres, plaques facettées) posés au milieu d’architectures en ruine, entièrement rendus par des hachures.
Lorenz StöerFormes en perspective parmi des ruines, 1567
05intervenant
Michel Hua
consultant indépendant · applications data cloud
2010Centrale Lille · Mechanical Engineering · Control Engineering · Applied Mathematics
2018MFG Labs, Havas Media Group
2023Artefact
baseParis · missions en France et à distance
pile technique
calcul distribuéAthena · Airflow · EMR · Databricks · BigQuery · Functions App · SQL Server · PostgreSQL · OpenAI · Claude · Snowflake · Bedrock · Fabric · Power BI
langagesPython · SQL · Java · Scala · Bash · Terraform
cloudAWS · Azure
certifications
Microsoft Certified Solutions ArchitectMicrosoft Certified AI EngineerMicrosoft Certified Data EngineerMicrosoft Certified Analytics EngineerGoogle Cloud Professional Cloud ArchitectGoogle Cloud Professional Data EngineerSnowflake SnowPro CoreHashiCorp Terraform AssociateGitHub ActionsGitHub Administration