À propos & contact
Roland Saïkali
Senior Engineer · Python · Backend · Données
Ingénieur backend Python, 25 ans en prod. APIs, modèles de données, pipelines, séries temporelles à grande échelle, chez PagesJaunes, Airbus, EDF et Deutsche Telekom.
Je construis des chaînes de données complètes : de l'ingestion brute au modèle exploitable, la fiabilité comme contrainte première. Du code simple et efficace qui tourne seul pendant des années, sans réveil à 3 h du matin.
L'énergie et l'IoT sont mon terrain personnel : LinkyStat a tourné sept ans, Home Assistant a pris la relève, ce site est servi par mon homelab. J'y teste mes idées, mais le métier reste le backend et la donnée.
Des systèmes critiques, à grande échelle
Avant de construire des infrastructures data dans mon propre lab, j'ai conçu des systèmes backend critiques pour de grands comptes industriels.
Conception du système de Data Management Aerocity assurant l'import et la traçabilité de bout en bout de calculs aérodynamiques et de maillages 3D complexes (plusieurs millions de nœuds). Une brique critique pour fiabiliser les simulations et s'affranchir de coûteux tests physiques en soufflerie.
Transition du monde du développement vers le système à l'aube du mouvement DevOps. Automatisation complète du provisionnement et des configurations d'infrastructures complexes (Python, Fabric), permettant de piloter et de mettre à l'échelle la plateforme Seety et ses 100 000 sites hébergés.
Conception et développement de DCSO, un outil d'Infrastructure-as-Code (YAML, OpenStack Taskflow) conçu pour automatiser le projet TeraStream (réseau cloud-native de rupture, débits x50). Accompagnement technique du client dans la modélisation de ses topologies de datacenters via notre solution.
Travailler avec l'IA
Trois postures aujourd'hui : celui qui n'y touchera jamais, celui qui livre sans lire le code, et le reste. Je suis le reste.
L'IA ne fait pas mon métier. Elle paie la taxe : le code nécessaire mais sans décision dedans, les schémas, les endpoints, la plomberie. Le temps récupéré retourne là où les décisions se prennent, entre autres :
L'architecture. Pourquoi cinq services plutôt qu'un monolithe. Ce qui casse si le broker MQTT tombe, ce qu'on dégrade en premier, ce qu'on reconstruit sans perte.
La sécurité. Ce qui est exposé et ce qui ne doit pas l'être. Qui peut lire quoi, où vivent les secrets, ce qui sort, ou pas, de mon réseau.
Le monitoring. Pas « est-ce que ça marche », mais « comment je saurai que ça ne marche plus », avant l'utilisateur.
L'utilisateur. La question qu'on n'a jamais le temps de poser, pourtant primordiale : qu'est-ce qui lui manque pour l'aider dans son quotidien ?
La liste ne s'arrête pas là : les tests, la donnée, les coûts, la dette, tout ce qui fait qu'un système vieillit bien. Quatre exemples suffisent à montrer où va le temps.
En solo, toutes ces casquettes sont sur ma tête. En équipe, elles se partagent : l'architecte tranche, le product décide, la sécurité audite. Ce qui ne change pas, c'est l'ingénieur qui arrive avec ses questions déjà posées.
Le NILM en est la preuve : je ne suis pas spécialiste ML, je suis ingénieur. En binôme avec l'IA, j'ai défriché le sujet, et ce sont vingt-cinq ans de rigueur qui rendent le résultat fiable : données propres, architecture réfléchie, métriques honnêtes publiées, code qui tient en prod.
Écrire du code n'a jamais été le métier. Le métier, c'est savoir ce qu'on construit, comment ça tient, comment ça vieillit, et poser les questions avant qu'elles ne coûtent.
La curiosité ouvre les portes ; le métier garde la main.
Me contacter
Disponible · remote. La meilleure entrée en matière, c'est un message direct.
Télécharger le CV (PDF) ↓