Formateur Python data · Auteur ENI

Arrête d'écrire du code
que personne n'utilise.

J'aide les data analysts à sortir leur travail du notebook : des apps déployées, du code relu, des outils que les équipes utilisent vraiment.

30k+
abonnés LinkedIn
600+
exemplaires du livre vendus
1 500+
abonnés à DataGyver

Offre principale · sur candidature

Hard Mode

Reprendre un projet data en vrac, le remettre en ligne, puis construire le tien.

Dix semaines. Les huit premières, quelqu'un regarde ton code. Les deux dernières, tout le monde. Ce que presque personne ne fait : un professionnel ouvre ton dépôt, lit tes requêtes, commente ta pull request et te dit pourquoi ta jointure double les montants.

Semaines 1 à 8

Le chantier

Tu reprends le poste d'un analyste parti sans passation : dépôt sans documentation, scripts qui ne tournent plus, exports téléchargés à la main. Fichiers hérités, base Postgres distante, API paginée, historique en parquet. Une pull request par semaine, une revue écrite dedans.

Semaines 9 et 10

Le chef d'œuvre

Ton sujet, dans le métier que tu vises, avec des données publiables. Même exigence, aucun piège placé pour toi. Déploiement, README, puis une publication que tu défends en public — et je commente dessous.

Ce que tu as en main à la fin

  • Deux dépôts publics, dont un sujet que tu as choisi et défendu
  • Dix revues de code écrites, visibles dans les pull requests
  • Une CI verte : lint et tests à chaque push
  • Une URL en HTTPS avec une relance mensuelle qui tourne sans toi
  • Une note de décision d'une page, lisible en trois minutes
  • Un rapport de contrôle montrant comment les chiffres ont été vérifiés
  • Un README de reprise, validé par une reprise réelle
  • Une synthèse d'acquis : fait seul, fait avec aide, pas encore démontré

Pour qui : tu as déjà les bases en Python et tu sais lire un SELECT, mais tu bloques dès qu'il n'y a plus de guide. Environ 5 h de pratique par semaine, plus 20 minutes de rendez-vous.

Pas pour toi si tu cherches une initiation à Python, du machine learning, ou une garantie d'emploi. Aucune n'est au programme.

Places nommées. Le tarif se discute au diagnostic, une fois qu'on a vérifié ensemble que le parcours te correspond.

Formations en ligne

En autonomie, sur un sujet précis

Streamlit Unleashed

Des apps data production-ready, du local au déploiement.

297 €

Voir la formation

Portfolio Impactant bêta

Un portfolio data qui ouvre des portes.

197 €

Voir la formation

SQL Mastery bêta

SQL avec DuckDB et Python. 87 exercices, zéro installation.

97 €

Voir la formation

ShipData

3 boilerplates Python pour déployer tes premiers projets.

49 €

Voir la formation

Tout le catalogue : mes-formations-data.fr

Livre

Business Intelligence avec Python

Construire une stack BI moderne en Python : DuckDB, pandas, Streamlit, Quarto. Publié aux Éditions ENI, plus de 600 exemplaires vendus. La deuxième édition sort mi-décembre 2026.

Open source

Des outils installables

StreamlitTurbo

Génère un projet Streamlit pro en 30 secondes : architecture propre, thème, uv, ruff.

Sur GitHub

streamlit-keep-alive

Empêche la mise en veille de tes apps sur Streamlit Community Cloud, via GitHub Actions.

Sur GitHub

Gratuit

Ressources

DataGyver

La newsletter du data analyst efficace

Python, SQL, Git : du code prêt à l'emploi et des solutions concrètes. Lue par plus de 1 500 professionnels francophones.