DONNÉES · MODÉLISATION · PIPELINES · ANALYSE

Je conçois et fiabilise des chaînes de données.

De l'ingestion d'API à la modélisation en base.

Data analyst et conceptrice de bases de données. Je modélise des schémas relationnels et géospatiaux, j'automatise la collecte, et je restitue des analyses lisibles par des non-techniciens.

Six ans à la tête d'une entreprise de cinq personnes avant ma reconversion. Quand on me demande un indicateur, je demande d'abord quelle décision il sert.

SQL · PostgreSQL · PostGIS Python Power BI · DAX Modélisation Merise
Voir mes travaux Me contacter →

Basée à Vannes, Morbihan · Remote possible · Disponible immédiatement

Sonia Habibi — Data analyst et conceptrice de bases de données
Sonia Habibi Data · Modélisation · Vannes / Remote

CE QUE JE FAIS

Trois temps, une même chaîne de données.

De la conception du schéma jusqu'au tableau de bord : je modélise la base, j'automatise la collecte, et je produis les analyses qui en découlent.

PILIER 01

Modéliser et fiabiliser

Une base bien conçue coûte moins cher pendant cinq ans qu'une base rapide à écrire. Conception, audit, correction de l'existant.

  • Conception de schémas relationnels Méthode Merise, du modèle conceptuel au modèle physique. PostgreSQL, MySQL.
  • Audit de bases existantes Contraintes d'intégrité manquantes, attributs non atomiques, relations mal placées.
  • Modélisation géospatiale PostGIS, calculs territoriaux, croisement de données spatiales et métier — de la modélisation en base à la visualisation sous QGIS.
  • Documentation du modèle MCD, dictionnaire de données, règles de gestion. Ce qui reste quand je pars.
Un schéma à concevoir ou à reprendre ?

PILIER 02

Collecter et automatiser

Aller chercher la donnée là où elle est, et faire en sorte qu'elle arrive seule. Une dizaine d'API tierces intégrées à ce jour.

  • Ingestion d'API tierces Authentification OAuth2.
  • Scripts d'extraction et de chargement Python, traitement de fichiers, nettoyage, normalisation, chargement en base.
  • Chaînes ETL Extraction, transformation et chargement en base.
  • Reprise de données existantes Fichiers Excel épars, exports d'outils métier, historiques à consolider.
Des données dispersées à consolider ?

PILIER 03

Analyser et restituer

Produire le chiffre, puis le rendre lisible par celui qui décide. C'est la moitié du travail, et celle qu'on néglige le plus souvent.

  • Requêtage et exploration SQL, agrégations, croisements, contrôles de cohérence sur les résultats.
  • Tableaux de bord Power BI et DAX. Des indicateurs choisis pour une décision, pas pour remplir l'écran.
  • Analyses ponctuelles Une question précise, une réponse chiffrée et ses limites explicites.
  • Restitution écrite Un rapport qu'un non-technicien lit sans traduction, et sur lequel il peut trancher.
Une question sans réponse chiffrée ?

Et je code.

Python, PHP en MVC natif, JavaScript, SQL. Docker, Git, CI/CD, déploiement en production. Je vais chercher la donnée là où beaucoup d'analystes s'arrêtent : dans l'API, dans le schéma, dans le script qui manquait.

CE QUE ÇA DONNE

Concrètement, pour vous

Quelques situations dans lesquelles je peux vous aider.

  • Entreprise

    Une PME ou une TPE

    Vos données sont éparpillées dans des fichiers Excel. Je les regroupe dans une base propre, et vous obtenez un tableau de bord qui se met à jour seul, au lieu de tout recopier chaque mois.

    Un tableau de bord à jour en continu.

  • Territoire

    Une collectivité ou un bureau d'études

    Parcelles, réseaux, équipements, adresses : je croise vos données de territoire en base PostGIS et sur carte, pour répondre aux questions qui commencent par « où ».

    Une carte interrogeable, reliée à vos données.

  • Sport

    Un club sportif professionnel

    Événements de match, données physiques, suivi GPS des joueurs : je les structure en base et les transforme en indicateurs lisibles pour le staff, pensés pour éclairer une décision plutôt que pour remplir un tableau.

    Des indicateurs de match exploitables par le staff.

  • IA

    Une entreprise qui se lance dans l'IA

    Je mets en place l'automatisation sur vos données, et surtout la façon de vérifier ce qu'elle produit.

    Une automatisation dont on peut vérifier la sortie.

CE QUE J'AI FAIT

Travaux et missions.

Des missions en entreprise et des projets livrés. Certaines données étant confidentielles, les contextes sont décrits sans nommer les clients.

  1. Mission En cours

    Construire le reporting d'activité d'un groupe distributeur d'énergie

    Analyse des données d'activité des agents de terrain : temps de chantier réel, matériel utilisé et non utilisé, imprévus, moyens humains. Construction du reporting destiné à l'encadrement, et exploitation des résultats pour la programmation des interventions à venir. SQL, Power Query, Power BI, DAX, avec recours à l'IA sur le traitement et l'optimisation.

  2. Mission 6 mois

    Mesurer la qualité d'un système non déterministe

    Chez un éditeur EdTech. Comment noter des sorties de modèle quand il n'existe pas de vérité terrain : pipeline d'évaluation à cinq agents Python spécialisés, méthode LLM-as-judge, triangulation en cascade des résultats. Comparateur inter-versions avec détection automatique de régressions. Traitement et structuration des données d'évaluation, restitution en rapports exploitables par des non-techniciens. Contribution à la chaîne CI/CD.

  3. Analyse 2025-2026

    Fiabiliser un schéma de base en production

    Amanéa Voyages

    Application métier pour une travel planner. Base de 17 tables modélisée et auditée, espace client, back-office éditorial, intégrations d'API en OAuth2.

    Lire l'analyse → Voir le site en ligne
    Fiabiliser un schéma de base en production
  4. Projet 2025

    Collecter et analyser un marché de l'emploi

    Outil de veille sur le marché de l'emploi via l'API France Travail : ingestion OAuth2, stockage et exploitation des offres en base. Analyse pas encore publiée.

  5. Projet 2025

    Calculer un territoire en SQL

    Konked : schéma PostGIS et fonctions SQL de calcul territorial.

  6. Réalisation 2026

    JS Photographe

    Site d'une photographe indépendante, conçu et livré de bout en bout. Next.js.

    Voir le site en ligne
    JS Photographe

— Outils · méthodes

De la base au tableau de bord,
toute la chaîne.

Pas une vitrine de logos. Quatre familles d'outils que j'utilise vraiment, sur de la modélisation comme sur de l'analyse.

  1. — Données & modélisation

    Structurer la donnée.

    SQL, PostgreSQL, PostGIS, MySQL. Modélisation Merise, contraintes d'intégrité, audit de schéma. Python pour l'ingestion et les chaînes ETL.

    • SQL quotidien
    • PostgreSQL
    • PostGIS
    • MySQL
    • Modélisation Merise
    • ETL
    • Python quotidien

    Une base pensée pour durer, pas pour livrer vite.

  2. — Analyse & restitution

    Rendre le chiffre lisible.

    Power BI et DAX pour le reporting, Excel avancé (TCD, Power Query, formules matricielles), restitutions écrites pour des lecteurs non techniques.

    • Power BI
    • DAX
    • Excel avancé

    Un rapport qui se lit sans traduction.

  3. — Outils & pratiques

    Organiser, livrer, durer.

    Git discipliné, Docker, CI/CD, déploiement en production. Documentation du modèle et requêtes commentées livrées avec le reste.

    • Git quotidien
    • Docker
    • CI/CD
    • Déploiement production

    Ce qui reste quand je pars compte autant que ce que je livre.

  4. — IA appliquée

    Mesurer avant d'automatiser.

    Évaluation de sorties de modèle, systèmes multi-agents, détection de régression entre versions. APIs Anthropic et OpenAI, LangChain, n8n.

    • Évaluation de sorties de modèle
    • Systèmes multi-agents
    • Détection de régression
    • APIs Anthropic & OpenAI
    • LangChain
    • n8n

    Une automatisation qu'on ne sait pas mesurer n'est pas une automatisation.

MÉTHODE

De la question au résultat, en quatre temps.

La même méthode, qu'il s'agisse de concevoir une base, d'automatiser une collecte ou de produire une analyse : comprendre la décision à éclairer, regarder la donnée réelle, traiter, restituer.

  1. 01

    Comprendre la décision

    Premier échange offert. Quelle décision l'analyse doit-elle éclairer, et qui la prend ? C'est ce qui détermine tout le reste. Sortie : la question posée noir sur blanc.

  2. 02

    Regarder la donnée

    Ce qui existe vraiment, où, dans quel état. Volumétrie, trous, doublons, définitions divergentes d'un même champ. Les limites sont dites avant de commencer, pas après.

  3. 03

    Modéliser et traiter

    Schéma, ingestion, requêtes. Chaque choix de modélisation est documenté, y compris ce qui est délibérément laissé dénormalisé et pourquoi.

  4. 04

    Restituer et transmettre

    Tableau de bord ou rapport, lisible sans traduction. Documentation du modèle, requêtes commentées, prise en main de l'équipe.

PROFIL

Data analyst avec un passé d'entrepreneuse.

J'ai dirigé à Vannes une entreprise de cinq personnes en aménagement paysager de 2019 à 2025 : recrutement, planification, chiffrage, appels d'offres publics et privés, comptabilité et trésorerie. Ce passé décide encore de la façon dont j'aborde une demande. J'ai été de l'autre côté, celui qui doit trancher avec le chiffre sous les yeux.

Je suis restée dans le Morbihan après ma reconversion, et j'y travaille la donnée de bout en bout : conception du modèle, ingestion depuis les API, requêtage, restitution. Mon bagage de développeuse sert précisément quand la donnée n'est pas déjà propre dans un fichier — il faut alors écrire l'ingestion, corriger le schéma, ou brancher l'API. Une Licence de géographie obtenue en Bretagne et la pratique de QGIS me rendent aussi à l'aise sur les données spatiales, bien avant PostGIS.

Un indicateur ne vaut que par la décision qu'il permet de prendre.

CE QUI ME GUIDE

Rigueur

Les chiffres sont sourcés, les limites des données sont dites.

Arbitrage assumé

Chaque choix de modélisation est argumenté, y compris ce qui n'est pas normalisé.

Restitution lisible

Une analyse ne sert que si celui qui décide la comprend sans traduction.

VOUS AVEZ DES QUESTIONS ?

Huit réponses directes.

Quelle est votre spécialité exactement ?

La donnée : sa modélisation, sa collecte et son analyse. Je conçois des schémas de bases relationnelles et géospatiales, j'automatise l'ingestion depuis des API, et je produis les analyses et tableaux de bord qui en découlent.

Vous êtes développeuse ou data analyst ?

Data analyst, avec un vrai bagage de développement. C'est utile précisément quand la donnée n'est pas déjà propre dans un fichier : il faut alors écrire l'ingestion, corriger le schéma, ou brancher l'API. Beaucoup d'analystes s'arrêtent avant.

Avec quels outils travaillez-vous ?

SQL sur PostgreSQL, PostGIS et MySQL. Python pour l'ingestion et le traitement. Power BI et DAX pour la restitution, Excel pour les analyses rapides. Docker, Git et CI/CD côté outillage. Tableau, Airflow et dbt en cours d'apprentissage.

Qu'est-ce que la modélisation Merise ?

Une méthode française de conception de bases de données relationnelles. Elle sépare le modèle conceptuel, qui décrit le métier, du modèle physique, qui décrit la base réelle. Bien menée, elle évite les incohérences de données et les refontes coûteuses plus tard.

Qu'est-ce qu'un audit de schéma de base de données ?

Une relecture table par table d'une base existante, à la recherche de trois familles de défauts : les attributs non atomiques, qui empêchent de filtrer et de trier ; les contraintes d'intégrité manquantes, qui laissent entrer des données incohérentes ; les relations mal placées, qui compliquent chaque requête. Le livrable est un plan de correction priorisé, applicable sans interrompre le service.

Qu'est-ce que la donnée géospatiale, et quand en a-t-on besoin ?

Toute donnée qui porte une position : adresses, parcelles, tournées, réseaux, zones de chalandise. PostGIS permet de la requêter comme le reste de la base — distances, appartenance à une zone, agrégation par territoire. Utile dès que la question posée commence par « où ». J'ai modélisé ce type de schéma pour Konked, une application de course à pied avec calcul territorial en PostGIS.

Intervenez-vous à distance ?

Oui. Je suis basée à Vannes dans le Morbihan et je travaille en remote sans difficulté.

Peut-on brancher un LLM sur un traitement de données ?

Oui, à condition de savoir mesurer ce qu'il produit. J'ai conçu en entreprise un dispositif d'évaluation à plusieurs agents pour noter des sorties de modèle sans vérité terrain, avec détection de régression entre versions. Sans ce garde-fou, une automatisation par LLM est invérifiable, donc inutilisable sur de la donnée qui compte.

TRAVAILLONS ENSEMBLE

Un besoin sur vos données ?

Un premier échange de 30 minutes pour cadrer le besoin — modélisation, collecte, analyse — et voir ce qui est faisable.

Parlons-en →