Find your next tech and IT Job or contract Data Engineering

Résumé : Ce poste de Machine Learning Engineer au sein du Data Office vise à développer et déployer des solutions de machine learning pour optimiser la gestion des données et soutenir les objectifs commerciaux du PMU. Responsabilités : Optimiser la collecte des données en amont (data processing, feature engineering,…) et l'exposition des modèles en aval (API, endpoints…). Collaborer étroitement avec les data engineers pour intégrer efficacement les modèles de machine learning. Collaborer avec les data scientists pour déployer les meilleures versions des modèles. Implémenter des pratiques de ML Ops sur toute la chaîne data science. Monitorer les modèles en production et gérer leur cycle de vie. Documenter les processus et systèmes de machine learning. Must Haves : Minimum de 6 années d'expérience en data science et data engineering. Excellente connaissance des techniques et modèles de machine learning et IA. Bonnes compétences sur AWS. Excellente connaissance de l'écosystème Dataiku. Expérience avancée en programmation avec Python, SQL, Spark et Scala. Nice to Haves : Maîtrise des frameworks classiques de machine learning et IA. Excellent esprit d'équipe. Approche pragmatique et orientée résultats. Aisance à vulgariser et expliquer votre travail. Autres détails : Localisation : Paris Télétravail : 2 jours de télétravail (jeudi/ vendredi) Date de début : 15 septembre

Contexte Au sein de la DSI d'un grand groupe du secteur de l'énergie, vous intégrerez une équipe Data en charge du traitement des données de consommation clients et de leur exposition sur les canaux digitaux. L'équipe, composée de 14 personnes (dont 7 Data Engineers), fonctionne en méthodologie Agile SAFe, synchronisée avec d'autres équipes Data du programme. Missions principales Concevoir et exécuter les stratégies de test (fonctionnel, non-régression, intégration) sur les pipelines de données et les APIs exposées par l'équipe. Réaliser des tests API approfondis via Postman ou Bruno : construction de collections, scénarios de tests automatisés, validation des contrats d'interface, tests de charge légers. Adopter une posture fonctionnelle forte : comprendre les enjeux métiers pour challenger les spécifications et anticiper les cas limites. Intervenir en support Business Analyst : rédaction et clarification des besoins fonctionnels, participation aux ateliers de cadrage avec les métiers, rédaction de user stories et critères d'acceptation. Participer aux cérémonies Agile SAFe (PI Planning, refinements, rétrospectives, revues de sprint). Mettre en place et maintenir des mécanismes de contrôle qualité des données (Data Quality) en lien avec les Data Engineers. Identifier, documenter et suivre les anomalies jusqu'à leur résolution, en coordination avec l'équipe technique. Rédiger et maintenir la documentation de test et les spécifications fonctionnelles. Environnement technique Postman / Bruno (indispensable — tests API poussés) Notions Python, SQL Connaissance des architectures Databricks (Bronze/Silver/Gold) et Delta Lake appréciée Environnement Cloud AWS Outils de gestion Agile (Jira ou équivalent) Git Compétences recherchées Expertise testing API (Postman/Bruno) — critère central Posture fonctionnelle / capacité à intervenir sur des tâches de BA (rédaction de specs, user stories) Connaissance des principes API REST Rigueur en Data Quality et détection d'anomalies Culture Agile SAFe Capacité à interagir avec des interlocuteurs techniques (Data Engineers) et métiers Informations pratiques LivrablesCorrections d'anomalies / analyse et spécificationsModalitéTemps pleinPlage horaireHeures ouvréesLieuÎle-de-FranceDurée12 mois, extension possible

Pour un acteur du secteur de la consommation, nous recherchons un Data Steward pour intervenir au sein d'une équipe Data & AI. Le Data Steward agit en tant qu'expert fonctionnel orienté métier et chef de projet. Il est responsable de la réussite des initiatives data sur l'ensemble du cycle de vie de la donnée. Il assure l'interface entre les équipes métiers et les équipes techniques, notamment les Data Engineers et les experts en Data Visualization. Ses principales responsabilités incluent : Comprendre et cadrer les besoins métiers. Définir et gérer le périmètre des projets data de bout en bout. Garantir l'alignement des solutions data avec les objectifs business. Assurer la gouvernance, la qualité et la cohérence des données. Coordonner les différentes parties prenantes impliquées dans les projets. Suivre les risques, les problèmes et les incohérences éventuelles et piloter leur résolution. Participer à la validation des données à travers des requêtes simples. Maintenir une documentation projet structurée et les différents artefacts associés. Favoriser la collaboration entre les équipes métier, data engineering et analytics. Travailler dans un environnement Agile et contribuer à l'amélioration continue des processus. L'environnement fonctionnel couvre principalement les domaines Digital, Marketing et E-commerce.

Pour un acteur du secteur de la consommation, nous recherchons un Data Steward pour intervenir au sein d'une équipe Data & AI. Le Data Steward agit en tant qu'expert fonctionnel orienté métier et chef de projet. Il est responsable de la réussite des initiatives data sur l'ensemble du cycle de vie de la donnée. Il assure l'interface entre les équipes métiers et les équipes techniques, notamment les Data Engineers et les experts en Data Visualization. Ses principales responsabilités incluent : Comprendre et cadrer les besoins métiers. Définir et gérer le périmètre des projets data de bout en bout. Garantir l'alignement des solutions data avec les objectifs business. Assurer la gouvernance, la qualité et la cohérence des données. Coordonner les différentes parties prenantes impliquées dans les projets. Suivre les risques, les problèmes et les incohérences éventuelles et piloter leur résolution. Participer à la validation des données à travers des requêtes simples. Maintenir une documentation projet structurée et les différents artefacts associés. Favoriser la collaboration entre les équipes métier, data engineering et analytics. Travailler dans un environnement Agile et contribuer à l'amélioration continue des processus. L'environnement fonctionnel couvre principalement les domaines Digital, Marketing et E-commerce.

Nous recherchons un ML Engineer pour accompagner le déploiement de modèles de machine learning robustes, performants et évolutifs en production. Vous intervenez dans une équipe dont le rôle stratégique est de valoriser la data. Au sein d'un environnement Data structuré, vous interviendrez sur des projets transverses mêlant data science, data engineering et MLOps. Vos principales responsabilités seront les suivantes : Optimiser la collecte et la préparation des données : data processing, feature engineering, industrialisation des pipelines. Améliorer l'exposition des modèles en production : API, endpoints, performance et scalabilité. Collaborer avec les data engineers pour intégrer les modèles dans la Data Platform. Travailler avec les data scientists afin de déployer les meilleures versions des modèles. Mettre en place des pratiques MLOps : qualité des données, suivi du data drift, monitoring, réentraînement. Assurer le suivi du cycle de vie des modèles en production. Documenter les processus, modèles et systèmes déployés.

Rejoignez une grande entreprise du secteur du retail en tant qu'expert(e) data, au cœur d'une transformation analytique majeure. Vous piloterez l'interface entre les équipes métier Approvisionnement et la tribu technique (Data Science, Data Engineering, Data Visualization) pour valoriser les données et soutenir la prise de décision stratégique. Vous intervenez au sein d'une Analytics Factory, structure dédiée à la conception et au développement de services analytiques fiables. Votre mission combine deux volets complémentaires : l'analyse de données avancée et le pilotage produit en mode agile. Vous traiterez des problématiques critiques telles que la prévision des ventes et la qualité d'approvisionnement, en transformant les données complexes en insights actionnables. L'environnement technique repose sur des outils modernes et scalables (SQL, BigQuery, DataStudio, Tableau, GitLab) et s'inscrit dans une approche méthodologique agile rigoureuse. Vous devrez maîtriser les concepts statistiques avancés et comprendre les modèles de Data Science produits par les équipes techniques, tout en restant un traducteur privilégié des besoins métier vers la technique. Responsabilités : - Cadrer, extraire et analyser de manière autonome les données pour produire des études décisionnelles robustes et des recommandations fondées - Restituer les résultats d'analyse avec clarté, accompagner les métiers dans la lecture des insights et les sensibiliser aux biais d'analyse - Piloter la feuille de route des produits analytiques en collaboration avec les équipes Data Science et Data Engineering - Spécifier les besoins métier sous forme de User Stories structurées, prioriser les initiatives et animer la cadence agile (sprints, rituels) - Mesurer l'impact des livrables via des KPI pertinents et accompagner l'adoption des produits analytiques par les utilisateurs finaux - Vulgariser les concepts techniques et statistiques pour un public non-technical, en démontrant une aptitude à expliquer et convaincre - Assurer l'autonomie analytique des équipes métier en renforçant leur capacité à exploiter les données Télétravail : 3 jours par semaine Localisation : Massy

Profil cible : Data Architect / Data Modeler Senior Très bonne maîtrise de Teradata Expertise en MLDM / MLD (Modèle Logique de Données / modélisation) Conception de modèles de données logiques et physiques Data Engineering / Data Integration Expérience Databricks Conception et évolution d'un modèle de données d'entreprise Architecture et flux d'intégration de données Anglais courant/bilingue obligatoire Habitude de travailler avec des équipes internationales/européennes Capable de faire du transfert de compétences et de la formation

Missions IA Générative & Agentic AI Concevoir et développer des solutions IA, automatisations métier et systèmes conversationnels avancés. Développer des architectures RAG robustes et sécurisées. Construire des workflows multi-agents pour automatiser des processus métier complexes. Intégrer et orchestrer des modèles de langage (OpenAI, Azure OpenAI, modèles open source). Concevoir des solutions exploitant les capacités de raisonnement, de recherche documentaire et d'exécution d'actions. Engineering & Industrialisation Industrialiser les solutions IA sous forme d'API et de services cloud. Développer des composants réutilisables permettant d'accélérer le delivery des produits IA. Mettre en place les pratiques MLOps et LLMOps nécessaires à l'exploitation des solutions. Assurer la qualité, la fiabilité et la sécurité des applications IA en production. Participer à la définition des standards techniques de la plateforme IA. Data Science & Machine Learning Concevoir et maintenir des modèles de Machine Learning lorsque les cas d'usage le nécessitent. Réaliser des analyses exploratoires et expérimentations avancées. Évaluer et optimiser les performances des modèles prédictifs. Mettre en oeuvre les approches d'explicabilité et d'IA responsable. Collaborer avec les métiers sur les problématiques de risque, fraude, marketing ou recouvrement. Monitoring & Evaluation Définir les métriques de performance des systèmes IA. Mettre en place les mécanismes de monitoring et d'observabilité. Suivre les dérives des modèles et des systèmes RAG. Évaluer la qualité des réponses générées (RAGAS, LLM-as-a-Judge, évaluations métier). Garantir la conformité et la traçabilité des solutions déployées.

Role Overview The Data Engineer is responsible for designing, building, and operating scalable, reliable, and secure data pipelines and data platforms that power digital products, analytics use cases, reporting, and data-driven services. Acting as a key contributor within cross-functional delivery teams, the role collaborates closely with Product, Backend, Frontend, Architecture, Data Analytics, and platform teams to deliver trusted data assets across ingestion, transformation, storage, and access layers. At Supervising Associate level, the role leads complex data engineering delivery, sets technical direction and strengthens team capability across initiatives. Key Responsibilities Lead technical delivery across complex data workstreams: Make design decisions and resolve cross-platform dependencies, governance risks, and escalations. Mentor engineers, enforce engineering and data standards, and drive improvements in architecture, quality, lineage, security, observability, cost, and technical debt management. Data Pipeline & Platform Delivery Design, implement, and maintain batch and streaming data pipelines using Python and modern data engineering frameworks. Build reliable ingestion and transformation processes from internal and external data sources, including APIs, databases, files, and events. Develop reusable data processing components and frameworks following software engineering best practices. Data Quality, Reliability & Observability Implement data validation, quality checks, and monitoring to ensure accuracy, completeness, timeliness, and trustworthiness of data. Write clean, testable code with unit and integration tests for data pipelines and processing components. Instrument pipelines with logging, metrics, alerts, and operational monitoring. Performance, Scalability & Architecture Optimize data processing performance, storage layouts, query efficiency, and platform resource usage. Design pipelines for scalability and resilience using retries, idempotency, checkpointing, and backpressure patterns. Apply partitioning, caching, and parallelization strategies where appropriate. Security, Governance & Continuous Improvement Implement secure data handling practices, including access controls, encryption, secrets management, and compliant data processing. Ensure alignment with enterprise, regulatory, privacy, data classification, retention, and lineage requirements. Support audits and data governance processes where required. What success in this role will look like Demonstrates successful leadership of complex data delivery, stronger engineering capability and consistent adoption of platform, quality and governance standards. Reliable delivery and operation of scalable data pipelines and data platform components. Trusted data assets with strong accuracy, completeness, timeliness, and observability controls. Clean, testable, documented, and maintainable Python and SQL-based data engineering solutions. Effective support for incidents, troubleshooting, root-cause analysis, and durable remediation. Provide mentorship and guidance to less experienced team members. Qualifications & Experience Bachelor's or Master's degree in Computer Science, Software Engineering, Data Engineering, Information Technology, or a related field. Professional experience building data pipelines and data platforms using Python. Strong experience with SQL and data modeling concepts, including dimensional, normalized, analytical, or lakehouse patterns. Hands-on experience with relational and analytical data stores, such as PostgreSQL, SQL Server, data warehouses, or data lakes. Experience with CI/CD, automated testing, and code reviews for data workloads. Expertise on cloud platforms, with Azure/Fabric, and relevant data services. Work effectively as part of a team, contributing to collective success while remaining open to feedback and coaching from more experienced colleagues. Strong understanding of data security, access control, observability, and production support practices. 7+ Years of Experience are required.

Missions principales • Définir la stratégie, la roadmap et le modèle opérationnel de la Data Platform. • Garantir disponibilité, performance et fiabilité de la plateforme. • Piloter les évolutions Snowflake et Power BI Cloud. • Mettre en place les standards d'architecture, de gouvernance et de Data Products. • Développer les capacités Self-Service Analytics. • Coordonner les équipes internes et les partenaires externes. • Accompagner la transformation vers un modèle orienté produit. • Assurer la sécurité et la conformité (GDPR, DORA, IAM, RBAC, Data Masking). Compétences clés Snowflake, Power BI Cloud, Azure, dbt, Data Engineering, Data Governance, Data Architecture, Platform Engineering, DevOps Data, Spark, FinOps, Data Products

Dans le cadre d'un projet stratégique d'optimisation du réapprovisionnement des entrepôts B2C, nous recherchons un(e) Data Translation / Product Owner Data expérimenté(e). Vous interviendrez à la jonction entre les équipes E-commerce et les équipes techniques (Data Science et Data Engineering). L'objectif de la mission sera d'optimiser le réapprovisionnement des entrepôts autour de deux axes majeurs : La prévision de la demande L'adéquation entre la charge et la capacité des entrepôts Vos principales missions seront : Volet Product Owner Data – Cadrage & Pilotage AgileRéaliser le cadrage stratégique et fonctionnel du projet. Recueillir, analyser, arbitrer et prioriser les besoins des équipes métier. Animer la squad et piloter le delivery des solutions. Rédiger et gérer les User Stories. Structurer et prioriser le backlog. Animer les rituels Agile. Accompagner la conduite du changement auprès des utilisateurs. Volet Data Analyst – Exploration & PerformanceExplorer, préparer et analyser les données nécessaires au cadrage du projet. Produire des analyses permettant d'alimenter les travaux de modélisation algorithmique. Collaborer avec les équipes Data Science et Data Engineering. Comprendre et challenger les modèles de Machine Learning et de Recherche Opérationnelle. Définir et suivre les indicateurs de qualité des modèles. Mesurer la valeur métier générée par les solutions déployées.