Ahmed Omrane

Je construis à la jointure entre business model, product et engineering — les décisions où se tromper coûte cher et où réussir compose.

Le travail traverse trois couches en séquence :

• Business d'abord : vision, GTM, le call sur ce qui est vraiment construit et pourquoi.
• Product ensuite : roadmap, priorisation, séquencer les trade-offs qui décident ce qui ship à quel trimestre.
• Engineering en dernier : architecture, technical trade-offs, l'exécution qui transforme les couches précédentes en software livré.

Je porte cet arc en bout-en-bout.

L'exécution AI-native, c'est comment l'arc est livré en solo au scope senior. Je fais tourner une couche d'orchestration d'agents qui fait le travail de trois personnes pendant que je garde le jugement, le goût et la confiance dans la pièce — pas comme outil de productivité, comme système à travers lequel l'arc tourne. Complex transformations, infrastructure migrations, SaaS transitions : un seul opérateur, à une résolution de trade-offs qui demandait précédemment un hire full-stack sur business, product et engineering. Les sept principes opérationnels derrière l'orchestration sont écrits dans Agentic AI Orchestration — 7 principes opérationnels.

Sélection de proof

• Sortie de vendor lock-in vers un transport management system propriétaire chez Enakl (VC-backed seed, plateforme mobility B2B/B2G, marchés émergents) — construit from scratch, 10× scaling opérationnel, zéro downtime pendant la migration complète. Équipe de 3 : mobile, full-stack Node.js, cloud AWS. Étude de cas : Breaking Vendor Lock-In · Product demo.
• Full SaaS transformation chez Enakl — architecture multi-tenant, high availability, enterprise-grade security, revenue model qui passe de service delivery à software. Équipe de 5 engineers plus AI coding agents. Étude de cas : SaaS Hardening.
• Infrastructure data et analytics from scratch chez The Fabulous (consumer wellness app bootstrappé, 20M+ daily active users) — attribution, growth metrics, et measurement fiable permettant un spend agressif. Équipe de 5 : data science, data analysis, analytics engineering. Architecture deep-dive : On Data Analytics Architecture.

Basé en France, focus marché européen, background opérationnel international. Je travaille sur des engagements contract, fractional, advisory et partnership — pas en full-time employment. La forme varie ; les constantes sont l'ownership end-to-end across business, product et engineering, avec AI-native execution.