Pilotage de solutions données & IA
Relier objectifs métier, stratégie données et IA, architecture et livraison pour que les équipes avancent avec confiance.
- Orientation technique
- Solutions intégrant l’IA
- Livraison à l’échelle
Data Solutions Lead · KPMG Luxembourg
Profondeur technique. Pensée architecturale. Leadership des données.
Je relie les ambitions métier à des solutions de données et d’IA fiables, en m’appuyant sur deux décennies d’expérience en ingénierie logicielle, en management d’équipe et en architecture.
20+Années dans la technologie
4Rôles successifs chez KPMG
360°De l’ingénierie à la stratégie data
À propos
Je travaille là où se rencontrent la technologie, les personnes et le métier.
Je suis Frank, un responsable technologique doté de solides bases en ingénierie et d’un parcours façonné par des défis de plus en plus complexes.
Chez KPMG Luxembourg, je suis passé de Senior Software Engineer et Assistant Manager à Software Engineer Supervisor, puis à l’architecture de solutions, en prenant en charge l’architecture des données et les systèmes qui la font fonctionner. Aujourd’hui, en tant que Data Solutions Lead et Data Architect, je réunis ces perspectives pour aider les équipes à créer des solutions de données et d’IA utiles, robustes et conçues pour évoluer.
Mon expérience inclut le développement de solutions d’IA et l’intégration de capacités d’IA dans des architectures de données modernes, en reliant modèles et applications intelligentes aux fondations de données gouvernées et fiables dont ils ont besoin.
Je privilégie la clarté à la complexité, une collaboration réfléchie aux silos et des décisions pragmatiques qui créent une valeur durable.
Voir tout le parcoursMes priorités
Transformer la complexité des données en une direction claire.
Mon travail couvre tout le chemin, de l’intention stratégique aux systèmes, pratiques et équipes nécessaires pour la concrétiser.
Une architecture intelligente et durable
Associer les capacités de l’IA à des fondations de données gouvernées, conçues pour la maintenabilité, l’intégration et le changement.
- Architecture données & IA
- Conception de solutions
- Fondations techniques
Leadership en ingénierie
Aider les ingénieurs à donner le meilleur d’eux-mêmes grâce au contexte, à de bonnes pratiques, à des attentes claires et à la confiance.
- Développement d’équipe
- Qualité de l’ingénierie
- Exécution pragmatique
Parcours
Un parcours construit en se rapprochant, étape par étape, de la vue d’ensemble.
Du développement logiciel à la conception de l’architecture et du leadership autour des données d’entreprise.
Depuis oct. 2025
KPMG Luxembourg
Data Solutions Lead · Data Architect
Pilotage du développement et de l’évolution de solutions de données d’entreprise avec Microsoft Fabric et Microsoft Purview, en reliant architecture des données, gouvernance, ingénierie et livraison entre équipes et parties prenantes.
Oct. 2024–sept. 2025
KPMG Luxembourg
Solutions Architect
Contribution à la conception et à la gouvernance de l’architecture des données, prise en charge des systèmes et des fondations techniques qui la portent, et traduction des besoins en solutions durables.
Oct. 2020–sept. 2024
KPMG Luxembourg
Software Engineer Supervisor
Supervision de la livraison technique, accompagnement du développement professionnel et promotion des bonnes pratiques, en faisant le lien entre la technique et les besoins de l’équipe et des parties prenantes.
Oct. 2017–sept. 2020
KPMG Luxembourg
Senior Software Engineer · Assistant Manager
Conception, développement et maintenance de logiciels métier, posant les bases techniques et fonctionnelles de responsabilités ultérieures en management et en architecture.
2006–2017
ARISA Assurances S.A.
IT Manager · Software Development Manager · Software Developer
Évolution du développement logiciel vers la direction de l’ingénierie et de l’informatique, avec la responsabilité des personnes, des systèmes, de la livraison et des besoins technologiques quotidiens de l’entreprise.
Voir la formation et les expériences antérieures
Formation
Wirtschaftsinformatiker (FH) · informatique de gestion
Université des sciences appliquées de Trèves · 2001–2005
Spécialisation en bases de données et développement web.
Mémoire de fin d’études · 2005
Husky Injection Molding Systems
Analyse, développement et mise en place d’un outil de gestion des pièces préférentielles fondé sur les standards clients.
Premières expériences
Fondations techniques
Travaux sur des bases de données, de la gestion documentaire et des systèmes de simulation chez Husky, Mutterhaus Trier et Fem-tech.
Compétences
Une vision large, ancrée dans l’expérience pratique.
J’ai travaillé sur l’ensemble du cycle de vie technologique. Voici les domaines que je réunis dans mon travail actuel : pas des pourcentages arbitraires, mais une expérience concrète.
01
Leadership & livraison
Développement d’équipe · Alignement des parties prenantes · Orientation technique · Livraison agile
02
Données, IA & architecture
Microsoft Fabric · Microsoft Purview · Architecture des données · Architecture de solutions d’IA · Plateformes de données d’entreprise · Gouvernance des données
03
Ingénierie logicielle & IA
Développement d’applications d’IA · C# · .NET · TypeScript · Applications web · Bases de données relationnelles
04
Communication
Allemand · Anglais · Français · Faire le lien entre le métier et la technique
Architecture de référence
Une plateforme moderne de données et d’IA, couche par couche.
Un schéma générique et indépendant de tout éditeur, qui montre ma façon de concevoir les plateformes de données. Il ne décrit l’environnement d’aucun employeur ni client. Sélectionnez un bloc pour voir son rôle et le choix de conception qui le sous-tend.
Sur toutes les couches
Sources
Ingestion
Lakehouse
Mise à disposition
Consommation
Comment le lire
Les données circulent de gauche à droite, de là où elles naissent jusqu’à là où elles sont utilisées.
Les données brutes arrivent intactes, sont nettoyées et harmonisées, puis affinées en modèles prêts pour le métier, avec un jeu de définitions commun. Rapports, IA et autres applications s’appuient tous sur cette même base.
La gouvernance, la sécurité et l’exploitation ne sont pas une étape finale. Elles traversent chaque couche, du premier chargement à la dernière réponse d’un assistant IA.
Sources
Sources opérationnelles
Son rôle. Applications ERP, CRM et SaaS, bases de données, fichiers et flux d’événements : là où naissent les données, chacune avec son modèle, sa qualité et son rythme.
Choix de conception. Ne pas toucher aux systèmes sources : lire via des API, la capture des changements ou des exports plutôt qu’en interrogeant directement la production, et convenir de contrats de données avec les équipes responsables.
Ingestion
Ingestion par lots
Son rôle. Charge les données selon un calendrier (extractions complètes, chargements incrémentaux, capture des changements ou appels d’API) dans la zone brute de la plateforme.
Choix de conception. Rendre les chargements incrémentaux et idempotents, pour qu’une exécution échouée puisse simplement être relancée. Déposer d’abord les données telles quelles, transformer ensuite.
Ingestion
Streaming
Son rôle. Capte les événements au moment où ils se produisent via un broker de messages, pour les cas qui ne peuvent pas attendre le traitement nocturne : supervision, alertes, opérations en direct.
Choix de conception. Ne recourir au streaming que là où la faible latence justifie vraiment son coût. La plupart des décisions s’accommodent de données horaires, et le streaming alourdit l’exploitation.
Lakehouse
Bronze · brut
Son rôle. Une copie des données sources, en ajout seul, telles qu’elles sont arrivées, conservée avec les métadonnées de chargement : source, horodatage et lot.
Choix de conception. Conserver l’historique brut rend chaque table en aval reconstructible et auditable. Le stockage coûte peu ; ré-extraire des années de données depuis une source est souvent impossible.
Lakehouse
Silver · nettoyé
Son rôle. Valide, dédoublonne et type les données, puis les harmonise entre les sources : clés, unités, fuseaux horaires et données de référence cohérents.
Choix de conception. Placer ici les contrôles de qualité, sous forme de code, et échouer de façon visible. Les problèmes de qualité coûtent le moins cher à corriger au plus près de leur origine.
Lakehouse
Gold · affiné
Son rôle. Des tables prêtes pour le métier, modélisées selon le fonctionnement de l’organisation (clients, commandes, finance), généralement sous forme de modèles dimensionnels ou de produits de données.
Choix de conception. Modéliser pour les questions réellement posées et donner à chaque jeu de données un responsable identifié. Les données Gold sont un produit, pas un sous-produit.
Mise à disposition
Couche sémantique
Son rôle. Une définition commune des indicateurs et des termes métier (chiffre d’affaires, client actif, marge) utilisée par chaque rapport, notebook et assistant IA.
Choix de conception. Définir chaque indicateur une seule fois, de manière centrale. Dix tableaux de bord avec dix définitions du chiffre d’affaires détruisent la confiance plus vite que n’importe quelle panne.
Consommation
BI & reporting
Son rôle. Tableaux de bord, rapports et analyses en libre-service pour celles et ceux qui prennent les décisions.
Choix de conception. Le libre-service fonctionne au-dessus d’une bonne couche sémantique, pas à sa place. Certifier les rapports essentiels et laisser chacun explorer autour.
Consommation
IA & apprentissage automatique
Son rôle. Modèles de prévision et de classification, et assistants IA qui répondent aux questions à partir de données et de documents d’entreprise gouvernés.
Choix de conception. L’IA ne vaut que par les données et les autorisations qui la sous-tendent. Les réponses doivent s’appuyer sur des sources affinées et respecter les mêmes règles d’accès que partout ailleurs.
Consommation
Partage de données & API
Son rôle. Met des données affinées à disposition d’autres applications, partenaires et équipes via des API, des partages ou des exports.
Choix de conception. Traiter les consommateurs de données comme des clients : interfaces versionnées, contrats documentés et aucune rupture de compatibilité surprise.
Sur toutes les couches
Gouvernance
Son rôle. Catalogue, lignage, classification et responsabilités : savoir quelles données existent, d’où elles viennent, qui en est responsable et à quel point elles sont sensibles.
Choix de conception. Intégrer la gouvernance à la plateforme dès le premier jour. Le lignage et la classification automatisés passent à l’échelle ; des politiques dans des tableurs, non.
Sur toutes les couches
Sécurité & accès
Son rôle. Identités, accès basés sur les rôles et les attributs, chiffrement et masquage des champs sensibles, appliqués des données brutes jusqu’à la couche IA.
Choix de conception. Accorder les accès selon le rôle et la classification des données, pas table par table, avec les mêmes règles qu’il s’agisse d’une personne ou d’un agent IA.
Sur toutes les couches
Exploitation
Son rôle. Orchestration, supervision, maîtrise des coûts et CI/CD pour les pipelines et les modèles : le travail qui maintient une plateforme en bonne santé après son lancement.
Choix de conception. Traiter les pipelines comme du logiciel, avec gestion de versions, tests automatisés et pipelines de déploiement. Alerter sur les données obsolètes, pas seulement sur les tâches en échec.
Au-delà du travail
« Le meilleur travail technologique est avant tout humain : comprendre le problème, rassembler les personnes et rendre le complexe maîtrisable. »
En dehors du travail, la famille passe avant tout. Je joue au basketball depuis plus de vingt ans et j’aime les livres, les voyages, la musique et, à l’occasion, un projet technique personnel.
Contact
Merci de votre visite.
Si vous souhaitez échanger sur les données, l’IA, l’architecture, la technologie ou des centres d’intérêt communs, envoyez-moi un message ou retrouvez-moi sur LinkedIn et GitHub.