Roland Macheboeuf

Data, machine learning et software craftsmanship — du prototype à la production.

Ingénieur ML & data, plus de 4 ans à livrer en production. Du SaaS d'assurance maritime — lancé de zéro jusqu'à la rentabilité — aux produits data de grands groupes (TotalEnergies, IPSEN), je transforme un besoin métier en systèmes fiables, maintenables et réellement adoptés.

Portrait de Roland Macheboeuf

Expertise

Ce sur quoi j'interviens

Avant d'écrire la moindre ligne de code, je cherche à comprendre le besoin réel : je pose beaucoup de questions, je cadre, puis je propose une solution adaptée au problème plutôt qu'à la dernière tendance.

Data engineering & architectures Data Mesh

  • Plateformes data en production sur Databricks et cloud (AWS, Azure)
  • Data Mesh, pipelines Spark/DBT/Airflow, gouvernance et FinOps
  • Frameworks mutualisés (inner-sourcing) pour unifier les pratiques et la gouvernance entre domaines

Science des données & IA

  • Vision par ordinateur, deep learning, modèles de risque sur données non structurées
  • Socle mathématique solide (Centrale Lille + Master de mathématiques)
  • Veille active : lecture de publications, évaluation des modèles récents (IA générative, LLM)

Machine learning en production & MLOps

  • Du prototype au modèle déployé et maintenu
  • Tests, monitoring, CI/CD, déploiement cloud et edge
  • Des modèles conçus pour tenir les contraintes de la production et durer

Software craftsmanship & leadership technique

  • Domain-Driven Design et architecture hexagonale : logique métier isolée de l'infrastructure
  • Un code robuste et maintenable, qui reflète le métier
  • TDD, revues de code et templates réutilisables qui font monter les équipes en compétence

Parcours

Des premiers modèles à la production

  1. OCTO / Accenture · Consultant data

    2024–2026

    Architectures Data Mesh en production chez de grands groupes (TotalEnergies, IPSEN, Streem Group).

  2. Trapil · Computer Vision ML Engineer

    2023–2024

    Détection de défauts sur des images ultrasonores de pipelines d'hydrocarbures, déployée en périphérie (edge).

  3. Meetrisk · ML Engineer & Full Stack

    2022–2023

    Plateforme SaaS de notation du risque maritime, lancée de zéro jusqu'à la rentabilité.

  4. Amadeus · ML Researcher

    2018

    Deep learning (LSTM, CNN) pour la génération de descriptions et le classement d'images, en contexte B2B.

  5. Voir le parcours complet

Articles

Quelques articles récents

Voir tous les articles
Juillet 2026Data mesh

Data mesh en mouvement : 6 scénarios pour comprendre les rôles et les outils.

Qui est responsable de quoi, avec quels blocs d’outils, et comment la donnée circule de la création au retrait : six fiches pratiques pour rendre le data mesh concret, sans vendor pitch.

2025Article

How can Domain-Driven Design and Hexagonal Architecture improve Data Product development in practice?

Comment le DDD et l’architecture hexagonale peuvent structurer concrètement le développement de data products — article sur le blog d’OCTO, avec un dépôt de démonstration.