À propos
Roland Macheboeuf — data, machine learning, MLOps
Ingénieur Centrale Lille, spécialisation data science. J'ai démarré comme chercheur en machine learning avant de devenir ingénieur ML et data dans des contextes très différents — SaaS d'assurance maritime, vision par ordinateur industrielle, plateformes data hybrides — et plus récemment consultant data chez OCTO/Accenture, où j'interviens sur des architectures Data Mesh en production. Le fil conducteur : la production, pas la théorie.
Formation
Centrale Lille & Mathématiques — Université de Lille (Master)
Sept. 2016 – Juil. 2019
Spécialisation data science : machine learning, statistiques bayésiennes, optimisation, traitement du signal. Cours avancés de mathématiques appliquées (analyse fonctionnelle, calcul stochastique, statistiques). Projet de groupe : plateforme de covoiturage dynamique avec optimisation par méta-heuristiques (Java, multi-threading).
Conservatoire de Lille
Sept. 2019 – Mai 2022
Formation avancée en piano et théorie musicale, en parallèle des débuts de carrière.
Expériences
OCTO Technology (Accenture)— Paris
Consultant data · Depuis mars 2024
TotalEnergies
Data Proxy Tech Lead · Avril 2025 – Décembre 2025
Construction de produits data en production sur Databricks/AWS avec une approche Data Mesh, pour l'optimisation de portefeuille d'actifs renouvelables. Mise en place d'une architecture hexagonale, de tests automatisés et d'un monitoring proactif, avec une réduction sensible des coûts de traitement par l'optimisation des charges de travail. Accompagnement technique de l'équipe (revues de code, bonnes pratiques).
Lire l'étude de cas →IPSEN
Architecte Data · Janvier 2025 – Mars 2025
Définition de l'architecture cible Data Mesh pour une plateforme data globale, dans un environnement réglementé et un écosystème de données existant riche — plusieurs scénarios évalués pour équilibrer coût, gouvernance et passage à l'échelle.
Lire l'étude de cas →Streem Group
Data Engineer · Mai 2024 – Décembre 2024
Conception d'une architecture hybride on-premise/Azure et développement de pipelines de données (DBT, Airflow) pour de nouvelles capacités d'analyse combinant données on-premise et cloud.
Gouvernement britannique
ML Researcher · Avril 2024
Audit de modèles de détection de deepfakes sur données vidéo dans le cadre d'un hackathon gouvernemental, et formulation de recommandations ML et MLOps.
Trapil (via MP Data)— Paris
Computer Vision ML Engineer · Sept. 2023 – Mars 2024
Conception et entraînement de modèles de vision par ordinateur (PyTorch) pour l'analyse d'images ultrasonores de pipelines d'hydrocarbures, afin de détecter, localiser et classifier des défauts dans les contraintes de temps de calcul imposées. Déploiement en périphérie (edge) d'un orchestrateur multi-thread et d'une API Python pour l'intégration avec les logiciels d'analyse existants.
Meetrisk— Paris
ML Engineer & Full Stack Developer · Janv. 2022 – Août 2023
Pilotage de la découverte client et du cadrage technique, traduisant l'expertise des souscripteurs et des signaux faibles en modèles de risque ML pour réduire l'exposition à des navires impliqués par la suite dans des incidents graves. Conception et mise à l'échelle d'une plateforme SaaS sur Kubernetes (Python/React), intégrant des données non structurées en production pour une analyse plus rapide des risques.
Amadeus SAS— Nice
ML Researcher · Mai 2018 – Août 2018
Prototypage de modèles de deep learning (Python/Keras — LSTM, CNN avec transfer learning) pour la génération automatique de descriptions d'hôtels et le classement d'images, afin de compléter des données stratégiques manquantes pour les utilisateurs B2B.
Certifications
Databricks Certified Data Engineer Professional
Databricks · Obtenue mai 2024 — expirée mai 2026
Databricks Certified Machine Learning Professional
Databricks · Obtenue mai 2024 — expirée mai 2026
Machine Learning Engineering for Production (MLOps) Specialization
Coursera (DeepLearning.AI) · Obtenue mai 2023
Deep Learning Specialization
Coursera (DeepLearning.AI) · Obtenue février 2022