Data From Scratch - Willis

😵 La barrière à l’entrée en Data Engineering est haute 😱



Parce que oui, en Data Engineering, c’est bien plus que du SQL et du Python :


👉 Tu dois comprendre les architectures,
👉 Maîtriser le cloud et les traitements distribués,
👉 Savoir construire des pipelines robustes et scalables,
👉 Optimiser les bases de données, la qualité, la gouvernance,
👉 Saisir la différence, le traitement batch et streaming temps réel,
👉 Orchestrer les jobs, monitorer les performances.



Et, tout ça, ce n’est que la surface.



🎯 La clé ?
- Avancer chaque jour
- Être curieux
- Apprendre souvent et de façon régulière
- Se former.

1 day ago | [YT] | 4

Data From Scratch - Willis

Voici les 5 points que je retrouve chez beaucoup de profils Data qui réussissent en freelance :



1️⃣ Ils ont compris qu’un bon TJM ne règle pas tout, beaucoup veulent autre chose : full TT, un meilleur équilibre de vie, en finir avec la politique.
2️⃣ Beaucoup ont déjà essayé seuls, et ont compris que bricoler sa stratégie freelance coûte cher
3️⃣ Ils ne cherchent pas une promesse magique, mais un cadre clair
4️⃣ Ils savent qu’en freelance, la technique reste essentielle… mais qu’elle ne suffit plus
5️⃣Ils veulent reprendre le contrôle de leur carrière, pas juste changer de statut



Ce ne sont pas les plus “impressionnants” sur LinkedIn, mais souvent les plus lucides.



Et ça fait une énorme différence

5 days ago | [YT] | 3

Data From Scratch - Willis

En 2021, j’ai fait un choix qui m’a laissé totalement dans le vide. J’ai failli tout plaquer. Pour de bon ! À l’époque, j’étais chez Ubisoft. J’avais un poste de Data Eng confortable, une routine bien rodée à Montréal, et honnêtement, je ne manquais de rien. Mais justement, c’était ça le problème.



J’étais trop à l’aise…



Et, je me suis dit : "Si tu veux grandir, il faut que tu te rendes un peu inconfortable.”



Alors, j’ai sauté le pas. J’ai quitté Ubisoft, j’ai rejoint une start-up en pensant que ça serait l’aventure idéale. Sauf que très vite, l’ambiance ne m’a pas du tout convenu. Au bout de quelques semaines, j’ai pris une décision encore plus radicale : j’ai quitté ce poste aussi, et je me suis retrouvé avec… rien.



Aout 2021, j’avais annoncé fièrement à tout le monde que je me lançais en freelance.

Spoiler : je n’avais rien préparé.



Zéro filet de sécurité, pas de tune de côté... Ni réseau, ni contacts solides pour démarrer en freelance. Juste moi, mes compétences en data, et un paquet de doutes. Franchement, ça faisait peur.



Et, tu sais quoi ?
La liberté sans sécurité, ça fout la trouille.



Je me suis retrouvé à douter de tout :
🟠 Est-ce que j’étais vraiment légitime ?
🟠 Est-ce que j’étais juste “bon” dans une équipe, mais incapable de survivre seul ?
🟠 Est-ce que j’allais devoir retourner bosser dans une boîte que je déteste ?



J’ai scrollé Reddit et Linkedin pour tenter de me rassurer, puis un mec expliquait comment il s’était organisé pour trouver des missions en Freelance.



Je l’ai lu, puis relu.



Et je me suis dit : “OK, si lui peut le faire, moi aussi.”



3 semaines plus tard, je signais mon premier client. Et depuis ? J’ai aidé d’équipes à structurer leur data.



Mais surtout : j’ai appris à me faire confiance.



Et parfois, c’est en sortant complètement de ta zone de confort que tu trouves la voie qui te ressemble vraiment.



👉 Pourquoi je te raconte ça ?

Parce que personne ne parle de ces moments de doute.
Tout le monde veut paraître expert, solide, “senior”.

6 days ago | [YT] | 38

Data From Scratch - Willis

Pendant longtemps, j’ai eu l’impression d’être en retard.



❌ En retard sur l'IA et l'utilisation des agents
❌ En retard sur ma carrière
❌ En retard sur les autres
❌ En retard sur “le marché”



Et le pire ?

Je n’avais aucune preuve concrète.



Juste LinkedIn. J’ai toujours trouvé que tout le monde été parfait :
👉 Des profils parfaits.
👉 Des titres impressionnants.
👉 Des trajectoires ultra-clean et linéaires.



Bref, je ne me reconnaissais pas dans tout ça.



Pendant ce temps-là, moi je voyais mes doutes, mes lenteurs ou encore mes zones floues.



J’ai fini par comprendre un truc essentiel :
Je comparais mon backstage au highlight des autres.



Beaucoup de personnes que j’enviais étaient :
– aussi paumées
– aussi fatiguées
– aussi incertaines



La seule différence ?

Elles communiquaient mieux que moi.



👉 Si tu te sens “en retard” aujourd’hui, pose-toi cette question :
Est-ce vraiment un problème de niveau… ou un problème de comparaison ?



Spoiler : dans 80% des cas, ce n’est pas toi le problème.

1 week ago | [YT] | 41

Data From Scratch - Willis

Le Japon me rappelle pourquoi certains profils Data très techniques ne deviennent jamais vraiment demandés.



Tu peux être excellent en Data Engineering… et ne jamais devenir indispensable.



Ça paraît contre-intuitif.



Mais, en réalité, c’est assez logique.



En entreprise, on n’attend pas seulement d'un profil Data qu’il maîtrise SQL, Spark, Airflow, le cloud ou les data pipelines.



On attend surtout qu’il aide un système à mieux fonctionner. Et pour ça, la technique seule ne suffit pas.



Depuis plus de 2 mois au Japon, un truc me frappe :
ici, beaucoup de choses fonctionnent de manière fluide, prévisible, fiable.



Pas parce que chaque individu cherche à briller. Mais parce que chacun agit d’une manière qui sert un contexte.



Et, en Data, c’est pareil. Le but des outils est de servir un contexte, et de très nombreux profils l'oublient. En plus de la technique, tu dois prendre en compte ces elements :



- comprend le contexte business
- savoir communiquer
- inspire confiance
- aide l’équipe à fonctionner plus efficacement



La technique te rend important, mais ta capacité à servir un contexte te rend demandé.

2 weeks ago | [YT] | 20

Data From Scratch - Willis

J'ai accompagné plus de 100 professionnels de la data vers le cloud.
Et, je vais vous dire ce que personne ne vous dit :
90% des profils data qui veulent passer au cloud échouent non pas par manque d'intelligence, mais par manque de parcours adapté à leur métier.



Ils suivent des formations AWS, Azure ou GCP faites pour des DevOps. Ils regardent des tutos qui commencent par EC2 et les load balancers. Ils empilent 40h de vidéos sur des services dont un data engineer n'a jamais besoin.



Pas parce qu'ils sont mauvais — parce que personne ne leur explique le cloud depuis la perspective data.



Avec les années, j'ai identifié un pattern très clair : un profil data n'a pas besoin de maîtriser 200 services cloud. Il en a besoin de 8.



Alors, j'ai compilé tout ce que je sais dans une série de 7 emails gratuits.
Voici ce que tu vas recevoir :
→ Quel cloud choisir en 2026 (les données du marché, pas les opinions)
→ L'outil que 80% des pros de la data ignorent
→ Le vrai blocage qui t'empêche de progresser (ce n'est pas la motivation)
→ Comment passer au niveau senior sur le cloud en 90 jours
→ Les services cloud essentiels par provider :
✅ AWS → S3, Glue, Athena, Redshift, Lambda, ect...
✅ GCP → GCS, BigQuery, Dataflow, ect...
✅ Azure → Blob Storage, Data Factory, Synapse, ect...



C'est le parcours que j'aurais aimé avoir quand j'ai commencé sur le cloud. Aujourd'hui, je te le donne.



1) Commente CLOUD et je t'envoie la formation en DM
2) Connecte-toi avec moi pour que je puisse te l'envoyer

2 weeks ago | [YT] | 10

Data From Scratch - Willis

🚨 Après quelques années d'expérience, j’ai mis du temps à comprendre un truc : coder proprement ne suffit pas.



Tu peux avoir le code le plus clean du monde… et pourtant stagner dans ta carrière. Je l’ai vu, et honnêtement, je l’ai aussi compris un peu tard.



Oui, parce que avoir :

❌ Des ETLs stables.
❌ Des jobs bien orchestrés.
❌ Des tables parfaitement modélisées.



Tout ça est nécessaire, mais ce n’est pas ce qui fera de toi un Data Engineer recherché.



Ce qui fera la différence, c’est ta capacité à communiquer.

✅ Expliquer en 2 phrases pourquoi une table est lente.
✅ Traduire en langage simple ce que tu as construit à un PM ou un stakeholder.
✅ Documenter un modèle de données pour que ton équipe puisse le reprendre sans galérer.



Parce que la vérité, c’est que :
➡️ Une infra incomprise = une infra inutile.
➡️ Un projet mal expliqué = un projet invisible.



Et dans une équipe, ta valeur ne réside pas seulement dans ton code.
Elle réside dans ta capacité à le rendre utile, compréhensible et réutilisable.



💡 Un bon Data Engineer parle SQL, Python, Spark
💡 Un excellent Data Engineer parle aussi humain.

3 weeks ago | [YT] | 16

Data From Scratch - Willis

On vous a menti sur la Data.






Pas sur les opportunités. Sur le fait qu’on puisse devenir solide sans vraie montée en compétence.



Pendant des années, on a vendu ce fantasme :
“Fais une formation rapide, construis 2-3 projets, refais ton CV… et le marché t’ouvrira les bras.”



Le problème, c’est que la Data n’est pas un métier facile.



Et qu’aujourd’hui, on peut vite se faire dépasser sans être mauvais pour autant. Surtout après quelques années d’expérience.



Beaucoup de profils Data ne sont pas largués.



Ils sont dans une zone floue :

🟠 ils savent bosser,
🟠 mais sentent que le métier bouge
🟠 et que certaines attentes du marché leur échappent.

C’est ça qui devient inconfortable. Alors oui, l’IA est une compétence à apprendre.



Mais soyons honnêtes :
avec le rythme des releases, les LLM, les agents, les nouveaux outils…
ce n’est pas simple de suivre sans se disperser.



Le vrai sujet de 2026, c’est peut-être ça : ne pas apprendre plus, mais apprendre ce qui compte vraiment.



Du coup, question honnête :
👉 Selon vous, quelle compétence un profil Data ne peut plus se permettre d’ignorer en 2026 pour rester crédible sur le marché ?

3 weeks ago | [YT] | 6

Data From Scratch - Willis

Le marché de la data mélange 2 ambitions très différentes. Et, c'est exactement pour ça que beaucoup stagnent...



Certains veulent devenir meilleurs techniquement :
- Plus crédibles sur des sujets avancés.
- Plus solides sur des projets exigeants.


Bref, devenir de vrais experts en Data Engineering.

D’autres veulent devenir freelance :
- Savoir se positionner
- Prospecter
- Trouver des missions
Transformer leurs expertises en levier financier



Le problème, c’est que ce ne sont pas les mêmes objectifs.



Donc ce ne sont pas les mêmes parcours.



On voit des profils qui veulent devenir seniors techniquement…
mais qui consomment des contenus trop vagues, trop généralistes.



Et à l’inverse, on voit des profils qui veulent devenir freelance…
mais qui passent encore des mois à apprendre des technos supplémentaires, alors que leur vrai sujet n’est plus l’apprentissage.



C’est pour ça que j’ai décidé de structurer mes accompagnements en 2 voies :



1️⃣ Bootcamp Data Engineering Advanced
Pour celles et ceux qui veulent devenir experts en Data Engineering.



2️⃣ Devenir Freelance Data
Pour celles et ceux qui veulent devenir freelance data sans stress

J’aurais pu continuer à tout mélanger. Mais ce serait vendre de la confusion à des gens qui ont besoin de clarté.




1. Commente
👉 Data
ou
👉 Freelance



et je t’envoie les infos en MP, avec une réduction de -10 % réservée aux personnes qui se manifestent avant le 8 mai.



2. Connecte-toi avec moi pour que je puisse te les envoyer.

3 weeks ago | [YT] | 7

Data From Scratch - Willis

Pourquoi tu te sens comme une m**** quand tu vois une fiche de poste en Data… 😩

Parce que moi aussi, au début, quand je voyais la somme des compétences demandées, sans mentir, je me disais :
- "Je ne serai jamais à la hauteur..."
- "Ils veulent un Data Engineer, un DevOps, un Data Analyst et un Data Architect en une seule personne ?!"*
- "Je dois tout apprendre avant de postuler…"*

Mais laisse-moi te dire quelque chose… ces fiches de poste sont souvent irréalistes (et c’est normal)

Les recruteurs listent tout ce qu’ils aimeraient, mais en réalité, personne ne coche toutes les cases.

👉 Voici comment je lis une fiche de poste pour ne plus me sentir nul et maximiser mes chances :

✅ Les compétences essentielles : je repère les 2-3 compétences vraiment clés du poste. SQL ? Python ? Airflow ? Le reste est un bonus.
✅ Les "nice-to-have" : Je ne panique pas s’ils demandent Spark alors que je ne l’ai jamais utilisé. Beaucoup de choses s’apprennent sur le tas.
✅ L’expérience demandée : Ils veulent 7 ans d’expérience et tu n’en as que 5 ? Pas grave, postule!
✅ Le vrai besoin derrière la fiche : L’entreprise a un problème à résoudre. Mon objectif, c’est de comprendre le besoin derrière cette fiche de poste. Pas besoin de cocher pas toutes les cases.

Moralité ? Ne laisse pas une fiche de poste te faire douter de ta valeur. Postule, et ne lache pas l’affaire !

4 weeks ago | [YT] | 8