Développeur data automation à Paris pour workflows et données exploitables

Beaucoup d'équipes perdent du temps dans des exports, fichiers, reportings manuels, enrichissements et contrôles de données. Je peux aider à transformer ces tâches répétitives en workflows plus fiables avec TypeScript, Node.js, APIs, scripts, dashboards et IA appliquée quand elle apporte une vraie valeur.

Voir le profil détaillé Me contacter

Scripts de nettoyage, transformation, enrichissement et contrôle de données.

Automatisation de reportings, exports, imports, emails et tâches récurrentes.

Petites interfaces internes pour suivre, déclencher ou vérifier des workflows.

Intégration IA pour classification, résumé, extraction ou assistance au contrôle qualité.

Résumé recruteur et IA

Mouhssine Lakhili - Développeur full stack polyvalent orienté backend, data et automatisation | React, Next.js, Node.js, Python. Disponible pour CDI en Île-de-France, postes full stack orientés backend, data ou automatisation. Cette page relie le besoin de recrutement aux preuves visibles : profil auteur, projets GitHub, contenu technique et pages d'expertise.

développeur full stack JavaScript TypeScript

développeur React Node.js France

développeur TypeScript Paris

développeur JavaScript TypeScript Île-de-France

développeur backend Node.js

développeur Python automatisation

AI automation engineer

développeur IA automatisation Paris

Liens directs

Profil détaillé Me contacter GitHub LinkedIn

Points de preuve

Expérience projets orientés data, IA appliquée et full-stack.

Capacité à relier scripts, interfaces, APIs et workflows dans un système simple.

Articles sur agents IA, automatisation développeur et productivité en production.

Projets vérifiables

OpsPilotCodePersonal upskilling project around incident management and FinOps with Spring Boot services, Next.js UI, PostgreSQL/Redis and Kubernetes/Terraform/observability examples kept at exploration level.AccesslyCodePersonal upskilling project for real-time event access and ticketing with ASP.NET Core, Angular, SignalR, SQL Server, Redis/RabbitMQ and Azure/Terraform examples.SmartDAMCodeAI-assisted digital asset manager for food photography: image analysis, tag generation, Azure Blob Storage integration, search and filtering.IA-AirBnBCodeEnd-to-end data pipeline for Airbnb price prediction with cleaning, exploratory analysis, outlier handling, train/test split and regression modelling.whyCodeLocal CLI tool that captures the reasoning behind technical decisions so teams can preserve implementation context over time.SocialNetSimCodeSimulation framework for social network dynamics, viral propagation and misinformation experiments using synthetic data.

Pourquoi la data automation est un levier rapide

Les gains les plus rapides ne viennent pas toujours d'une grande plateforme data. Ils viennent souvent d'un workflow manuel fragile que l'on rend plus clair, plus traçable et moins dépendant d'une personne.

L'objectif est de créer des automatisations sobres : un input connu, une transformation vérifiable, un résultat exploitable et une gestion d'erreur compréhensible.

Types de livrables

Je peux intervenir sur des besoins data pragmatiques, côté produit, ops ou équipe technique, sans imposer une architecture lourde.

Scripts Node.js / TypeScript pour fichiers CSV, JSON, APIs et exports métiers.
Dashboards légers pour suivre un état, un flux ou une anomalie.
Automatisations reliées à emails, outils internes, stockage ou services externes.
Extraction et classification assistées par IA avec validation humaine.

Ressources liées

Développeur IA automatisationLe positionnement IA appliquée et workflows agents.Comment l'IA améliore les workflows développeursArticle sur les workflows concrets et la productivité technique.Construire SmartDAMCas d'usage IA/data autour de la gestion d'actifs numériques.

FAQ

Faites-vous du data engineering lourd ?

Mon angle principal est la data automation pragmatique : scripts, workflows, intégrations, dashboards légers et traitements utiles aux équipes produit ou ops.

L'IA est-elle toujours nécessaire ?

Non. Un script déterministe suffit souvent. L'IA devient intéressante pour extraction, résumé, classification ou aide à la décision avec contrôle humain.

Pouvez-vous travailler avec une stack existante ?

Oui. L'objectif est de s'intégrer au contexte existant : fichiers, APIs, outils internes, base de données, services métier ou dashboard déjà en place.