Aller au contenu
Portrait de Adam TaïebData engineer chez Tradim · Dijon

Adam Taïeb

Je reprends des traitements de données legacy en Python, et je fais en sorte qu'on puisse y brancher de l'IA.

facturation.pymigré depuis SSIS
# ex-Facturation.dtsx, réécrit avec l'IA
@traitement(source="ECOCITO")
def facturer(periode):
    levees = lire_levees(periode)
    factures = appliquer_grille(levees)
    assert iso_resultat(factures, "v_ssis")
    return factures # → API · IA · automatisations
non-régression : identique à la sortie SSIS
  • SSIS → Python
  • SSRS
  • Facturation
  • SQL Server
  • LLM
  • Non-régression
  • ECOCITO
  • Support N2
  • Agents IA
  • APIs
  • Automatisations

// maintenant · depuis oct. 2026

Chez Tradim, entre la facturation et les traitements qui l'alimentent

Tradim édite ECOCITO, la suite logicielle qui sert aux collectivités et aux opérateurs à gérer et facturer les services de collecte des déchets, d'eau et d'assainissement. Plus de 1 500 sites l'utilisent. J'y travaille sur deux sujets qui se rejoignent : la facturation, et les traitements de données qui l'alimentent.

Support N2

Support facturation, niveau 2

Les clients ouvrent des tickets sur la facturation ECOCITO. Quand ça devient technique, c'est pour moi : il faut trouver d'où vient le problème, le réparer et répondre.

  • Diagnostic dans les données et les traitements, souvent directement en SQL
  • Correction, puis réponse claire au client
  • Quand c'est un bug, une procédure précise pour les développeurs
Support N2SQL ServerSQLFacturation
Migration

SSIS et SSRS vers Python, avec l'IA

Les traitements reposent sur des packages SSIS et des rapports SSRS. Je les reprends en Python, avec l'IA comme outil de migration, pour obtenir du code lisible, testé, et sur lequel on peut brancher de nouveaux usages.

Voir la méthode, étape par étape
PythonSSISSSRSLLMNon-régression

// méthode

L'IA écrit vite. Ce qui compte, c'est de savoir quoi lui faire écrire, et de prouver que c'est juste.

Concrètement, une migration se fait en cinq étapes. L'IA intervient à chacune, mais aucune ne repose seulement sur elle.

  1. 01

    Analyse préalable

    Comprendre ce que fait le traitement et pour qui : sources, sorties, règles métier, dépendances, fréquence. C'est là qu'on découpe en lots et qu'on décide par où commencer.

    Ce que fait l'IA

    Résume l'existant et la documentation. Les règles métier, elles, se valident avec les gens qui s'en servent.

  2. 02

    Script de parsing

    Un package SSIS ou un rapport SSRS, c'est du XML. Un script le lit et en sort une carte : flux, requêtes SQL, transformations, dépendances. On sait exactement ce qu'il faut reproduire.

    Ce que fait l'IA

    Aide à écrire le parseur et explique les requêtes les plus touffues.

  3. 03

    Réécriture en Python

    Lot par lot, à partir de la carte. Du code lisible, découpé et versionné, pas une traduction ligne à ligne de l'ancien.

    Ce que fait l'IA

    Propose la réécriture. Je relis, je restructure, je garde la main sur l'architecture.

  4. 04

    Non-régression

    L'ancien et le nouveau tournent sur les mêmes données, et on compare les sorties jusqu'à l'iso-résultat. Tant qu'il reste un écart, le lot n'est pas fini.

    Ce que fait l'IA

    Génère des cas de test et aide à expliquer les écarts.

  5. 05

    Bascule et branchements

    Mise en production, puis arrêt de l'ancien traitement. Une fois en Python, il peut être appelé par une API, une automatisation ou un agent IA.

    Ce que fait l'IA

    Des agents peuvent s'y brancher. Au support, par exemple : répondre au client sur un ticket, ou préparer la procédure de correction pour les développeurs.

// parcours

Avant Tradim

Un SI décisionnel et une migration SAS, puis plus de deux ans entre pipeline Spark et interfaces métier.

  1. Févr. 2026 - Juin 2026

    Hara

    Data EngineerCDI

    Maîtrise d'œuvre sur le SI décisionnel d'un client : datawarehouse et datamart sous Semarchy xDI et Vertica, en build comme en run. Puis la reprise de traitements SAS en Python.

    • Outil maison de parsing et de visualisation du code SAS
    • Architecture de non-régression, lot par lot
  2. Sept. 2023 - Déc. 2025

    Crédit Agricole Franche-Comté

    Ingénieur Full-Stack & DataAlternance puis CDD

    La data du marketing bancaire, du modèle Spark jusqu'à l'interface utilisée par les conseillers. Alternance de septembre 2023 à août 2025, puis CDD jusqu'en décembre.

    • Pipeline de segmentation Spark en production
    • Interface React ouverte à 400 conseillers
    • Une cinquantaine de personnes du Marketing accompagnées
    Adam a réalisé une excellente alternance avec des apports concrets et pertinents. L'évolution au cours des deux années a été réelle avec une prise de hauteur et une compréhension de l'impact de l'accompagnement métier dans la réussite technique.
    Maître d'apprentissage, Responsable Data & Web Development, service Marketing
  3. 2020 - 2025

    Licence puis Master Informatique

    Université de Franche-Comté · Master Ingénierie Systèmes & Logiciels, en alternance au Crédit Agricole.

// stack

Avec quoi je travaille

Data

Entrepôts, traitements, migrations

  • Python
  • SQL
  • SQL Server
  • SSIS
  • SSRS
  • Vertica
  • Semarchy xDI
  • Spark
  • Datawarehouse & datamart
  • Migration de traitements

IA & développement

Ce qu’on branche sur la donnée

  • LLM & IA générative
  • APIs REST
  • React
  • Next.js
  • TypeScript
  • PHP
  • C#

Outillage

Versionner, tester, déployer

  • Git
  • Docker
  • CI/CD
  • Tests de non-régression

// contact

Une question sur une migration, un traitement, ou juste envie d'en parler ?

contact@ataieb-dev.fr