Retour aux projets
Data / Automatisation
Pipelines ETL, mise à jour de tableaux de bord, scripts Python et VBA pour supprimer les tâches répétitives. Ces différents projets m'ont permis de mieux comprendre comment la data peut être exploitée en entreprise.
Graded Card Shop
Mars 2025 — Juin 2025
Synchronisation temps réel des stocks
Problème :
Chaque carte possède un stock_id unique dans la base de données SQL. Si un produit est acheté sur une plateforme et reste actif sur les autres, un second client peut le commander. Ne pas pouvoir honorer cette vente entraîne alors quatre conséquences : des frais de pénalité appliqués par les plateformes, des avis négatifs qui détruisent la réputation de l'entreprise, une génération de facture inutile qu'il faut ensuite annuler par un avoir, et une grosse perte de temps en gestion de remboursements.
Solution :
Un programme met à jour le stock sur les différentes plateformes e-commerce en temps réel : dès qu'une vente est détectée — via API pour Shopify (Admin API) et eBay (Sell API), et via l'e-mail de vente contenant le stock_id pour Vinted — l'article est retiré automatiquement des autres canaux. Le stock reste la seule source de vérité, répercutée sur chaque canal.
Résultat :
Plus aucune double vente ni commande sur un article déjà parti. Les stocks des 3 canaux sont toujours cohérents, sans surveillance manuelle.
Chaque carte possède un stock_id unique dans la base de données SQL. Si un produit est acheté sur une plateforme et reste actif sur les autres, un second client peut le commander. Ne pas pouvoir honorer cette vente entraîne alors quatre conséquences : des frais de pénalité appliqués par les plateformes, des avis négatifs qui détruisent la réputation de l'entreprise, une génération de facture inutile qu'il faut ensuite annuler par un avoir, et une grosse perte de temps en gestion de remboursements.
Solution :
Un programme met à jour le stock sur les différentes plateformes e-commerce en temps réel : dès qu'une vente est détectée — via API pour Shopify (Admin API) et eBay (Sell API), et via l'e-mail de vente contenant le stock_id pour Vinted — l'article est retiré automatiquement des autres canaux. Le stock reste la seule source de vérité, répercutée sur chaque canal.
Résultat :
Plus aucune double vente ni commande sur un article déjà parti. Les stocks des 3 canaux sont toujours cohérents, sans surveillance manuelle.
Génération de facture automatique, archivage & mise à jour du Dashboard
Contexte :
Sur ma plateforme e-commerce GradedCardShop, chaque vente (Shopify, eBay, Vinted) imposait une rédaction de facture comptable manuelle. La loi française interdisant d'utiliser les factures séparées et hétérogènes des plateformes (facture n°1 sur Shopify, facture n°1 sur eBay aussi…), il fallait unifier toutes les ventes sous une seule séquence numérique continue (facture n°1, n°2, n°3…).
Objectif :
Supprimer totalement la saisie manuelle en automatisant la facturation et l'archivage de bout en bout, pour une comptabilité toujours à jour et traçable sans intervention.
Action :
Dès qu'une commande tombe, un script Python génère la facture PDF et l'archive automatiquement sur Google Drive, rangée par mois et par client, puis met à jour le dashboard de suivi. Le tout tourne sur Google Cloud Run, déclenché à la commande et planifié via Cloud Scheduler.
Résultat :
Zéro saisie manuelle et conformité fiscale absolue. Risques de doublons éliminés, factures standardisées en un clic et gestion administrative supprimée.
Sur ma plateforme e-commerce GradedCardShop, chaque vente (Shopify, eBay, Vinted) imposait une rédaction de facture comptable manuelle. La loi française interdisant d'utiliser les factures séparées et hétérogènes des plateformes (facture n°1 sur Shopify, facture n°1 sur eBay aussi…), il fallait unifier toutes les ventes sous une seule séquence numérique continue (facture n°1, n°2, n°3…).
Objectif :
Supprimer totalement la saisie manuelle en automatisant la facturation et l'archivage de bout en bout, pour une comptabilité toujours à jour et traçable sans intervention.
Action :
Dès qu'une commande tombe, un script Python génère la facture PDF et l'archive automatiquement sur Google Drive, rangée par mois et par client, puis met à jour le dashboard de suivi. Le tout tourne sur Google Cloud Run, déclenché à la commande et planifié via Cloud Scheduler.
Résultat :
Zéro saisie manuelle et conformité fiscale absolue. Risques de doublons éliminés, factures standardisées en un clic et gestion administrative supprimée.
Projets effectués dans le cadre de mon alternance chez ENGIE
Sept. 2020 — Août 2021
Automatisation de la mise à jour des tableaux de bord
Problème :
L'équipe Demand Planning perdait 15 minutes chaque matin à extraire, nettoyer et injecter manuellement les données CSV de l'ERP (Gazelle - Oracle) vers leurs tableaux de bord Excel et leur dashboard Power BI. Cette extraction était lente et, si elle était mal réalisée, des erreurs pouvaient apparaître, rendant l'analyse du pôle demand planning non fiable.
Solution :
J'ai développé et déployé une application Python dotée d'une interface graphique (Tkinter / tkinterdnd2) permettant un traitement par Drag & Drop. Le script automatise le nettoyage des données via Pandas, puis actualise les tableaux de bord Excel (via VBA) et le rapport Power BI.
Impact :
Gain de temps : Le temps de traitement est passé de 15 minutes à moins d'une minute par jour.
Fiabilisation : Élimination totale du risque d'erreur humaine et garantie d'une donnée 100% fiable pour le pilotage de l'activité.
L'équipe Demand Planning perdait 15 minutes chaque matin à extraire, nettoyer et injecter manuellement les données CSV de l'ERP (Gazelle - Oracle) vers leurs tableaux de bord Excel et leur dashboard Power BI. Cette extraction était lente et, si elle était mal réalisée, des erreurs pouvaient apparaître, rendant l'analyse du pôle demand planning non fiable.
Solution :
J'ai développé et déployé une application Python dotée d'une interface graphique (Tkinter / tkinterdnd2) permettant un traitement par Drag & Drop. Le script automatise le nettoyage des données via Pandas, puis actualise les tableaux de bord Excel (via VBA) et le rapport Power BI.
Impact :
Gain de temps : Le temps de traitement est passé de 15 minutes à moins d'une minute par jour.
Fiabilisation : Élimination totale du risque d'erreur humaine et garantie d'une donnée 100% fiable pour le pilotage de l'activité.
Application Power BI — Suivi des stocks
Contexte :
L'équipe Demand Planning gérait le pilotage des stocks à partir d'extractions ERP quotidiennes. Ces données, figées à l'instant T, étaient fragmentées dans plus de 160 fichiers Excel distincts. Cette accumulation rendait toute analyse graphique impossible.
Concrètement, si le responsable Demand Planning voulait analyser l'évolution du stock d'une référence spécifique sur les six derniers mois, il aurait théoriquement dû ouvrir un par un les 160 fichiers Excel de chaque journée pour copier-coller les données et reconstituer un historique. Face à ce processus humainement impossible et trop chronophage, cette analyse n'était tout simplement pas réalisée.
Objectif :
L'objectif était double : d'une part, compiler et nettoyer l'historique de ces 160 fichiers Excel en une base de données. D'autre part, développer un programme automatisé permettant à l'équipe de mettre à jour cette base au quotidien.
Action :
• Phase 1 : Centralisation des fichiers existants dans une base de données commune
• Phase 2 : Modélisation de la base de données sur Access
• Phase 3 : Création d'un script Python permettant de mettre à jour cette base de données
Résultat :
L'équipe Demand Planning peut analyser les tendances sur l'évolution des références en entrepôt, ce qui permet de rendre leurs analyses plus fines.
L'équipe Demand Planning gérait le pilotage des stocks à partir d'extractions ERP quotidiennes. Ces données, figées à l'instant T, étaient fragmentées dans plus de 160 fichiers Excel distincts. Cette accumulation rendait toute analyse graphique impossible.
Concrètement, si le responsable Demand Planning voulait analyser l'évolution du stock d'une référence spécifique sur les six derniers mois, il aurait théoriquement dû ouvrir un par un les 160 fichiers Excel de chaque journée pour copier-coller les données et reconstituer un historique. Face à ce processus humainement impossible et trop chronophage, cette analyse n'était tout simplement pas réalisée.
Objectif :
L'objectif était double : d'une part, compiler et nettoyer l'historique de ces 160 fichiers Excel en une base de données. D'autre part, développer un programme automatisé permettant à l'équipe de mettre à jour cette base au quotidien.
Action :
• Phase 1 : Centralisation des fichiers existants dans une base de données commune
• Phase 2 : Modélisation de la base de données sur Access
• Phase 3 : Création d'un script Python permettant de mettre à jour cette base de données
Résultat :
L'équipe Demand Planning peut analyser les tendances sur l'évolution des références en entrepôt, ce qui permet de rendre leurs analyses plus fines.