Trouvez votre prochaine offre d’emploi ou de mission freelance Apache Airflow à Paris

Contexte : migration de On premise vers GCP En tant que Data Engineer, vous serez au cœur de notre stratégie data. Vous concevrez et mettrez en œuvre des solutions innovantes pour collecter, transformer et stocker nos données massives. Votre expertise technique sera essentielle pour les projets et offrir des insights précieux à nos équipes métiers. Vos missions : Conception et développement: Définir et mettre en œuvre des architectures de données robustes (data lakes, data warehouses). Concevoir et développer des pipelines de données automatisés (ETL). Optimiser les performances des traitements de données. Technologies: Maîtrise des langages de programmation : Python, Scala, SQL. Expérience avec les outils de traitement de données : Spark, Hadoop, Kafka. Connaissance des bases de données relationnelles et NoSQL. Expérience avec les clouds (GCP) Collaboration: Travailler en étroite collaboration avec les équipes métiers. Participer à la définition de la roadmap data.

Concevoir et implémenter des pipelines de données robustes et évolutifs Optimiser les performances et la rentabilité (optimisation des requêtes, clustering, stratégies de stockage) Implémenter des pipelines CI/CD et des frameworks d'observabilité pour améliorer la fiabilité des données Collaborer étroitement avec les architectes et les parties prenantes métiers pour s'aligner sur les objectifs stratégiques Promouvoir les bonnes pratiques en matière de gouvernance, sécurité et conformité des données Encadrer les ingénieurs et contribuer aux bonnes pratiques et aux normes d'ingénierie Assurer le support des environnements de production, résoudre les problèmes et effectuer des analyses de causes profondes Contribuer à l'amélioration continue de la plateforme de données

Astrelya est un cabinet de conseil franco‑suisse, en très forte croissance depuis sa création en 2017, spécialisé dans la transformation digitale, l’excellence opérationnelle et l’innovation technologique. Il est composé de 300 expert passionnés. Le cabinet accompagne ses clients sur l’ensemble du cycle de transformation, depuis la phase de cadrage jusqu’à la mise en œuvre opérationnelle, avec une expertise forte en Data/IA, Cloud, DevOps et méthodes agiles. Astrelya se distingue par un modèle fondé sur la proximité, la confiance et une culture humaine forte, qui place les collaborateurs au cœur de la création de valeur. Votre Mission : En tant que Data Analytics Engineer Senior, vous interviendrez au cœur des enjeux de modélisation analytique, de structuration de data products et de valorisation des données dans un contexte Risques (liquidité). Vous jouerez un rôle clé dans la transformation des données transactionnelles en modèles analytiques robustes, performants et exploitables par les équipes Risques, Finance et Data. Concrètement, vous allez : · Dé‑normaliser les transactions et les transformer en modèle en étoile adapté aux usages analytiques. · Concevoir et structurer un data product permettant le partitionnement et le clustering selon les axes d’analyse métiers. · Collaborer étroitement avec les équipes Risques pour comprendre les enjeux de liquidité, les indicateurs clés et les contraintes réglementaires. · Mettre en place des pipelines de transformation fiables, documentés et industrialisés. · Garantir la qualité, la performance et la gouvernance des données exposées. · Contribuer à l’amélioration continue des workflows DataOps et des bonnes pratiques d’ingénierie analytique. · Participer à la définition des standards de modélisation et d’architecture analytique au sein de l’équipe. Votre futur environnement technique : • Google Cloud Platform • BigQuery – entrepôt de données & moteur analytique • DBT – transformation & modélisation analytique • Airflow – orchestration • DataProc – traitements distribués • Cloud SQL – stockage & bases relationnelles • DataOps, CI/CD, bonnes pratiques d’ingénierie analytique

Contexte de la mission La Direction du Numérique dispose d'une Direction Data dont l'objectif est de faire de la donnée un levier de croissance des offres numériques. Ses activités couvrent la maximisation de la collecte de données dans le respect des réglementations en vigueur, le développement de la connaissance et de l'expérience utilisateur, ainsi que la mise à disposition d'outils de pilotage et d'aide à la décision. La prestation s'inscrit au sein de l'équipe Bronze, composée d'un Product Owner, d'un Data Steward et de deux Data Ingénieurs. La stack technique repose sur Python, Spark, SQL, Airflow, Delta Lake, Cloud Storage, et les services GCP (BigQuery, Dataproc, PubSub). L'infrastructure est gérée via Terraform et Terragrunt. Rôle et responsabilités principales Construire et maintenir des pipelines data robustes et scalables Participer aux phases de conception, planification et réalisation des tâches en équipe Organiser et structurer le stockage des données Mettre en place et maintenir les infrastructures scalables adaptées à la croissance des volumes Construire et maintenir les workflows CI/CD (GitLab CI/CD) Assurer la conformité, la sécurité et la stabilité des environnements Partager les bonnes pratiques au sein de l'équipe et participer aux instances des Data Ingénieurs Contribuer à la mise à jour de la documentation et assurer une veille technologique active Livrables attendus Pipelines data opérationnels et maintenus Infrastructure scalable mise en place et documentée Workflows CI/CD fonctionnels Documentation technique à jour Collecte et centralisation des sources de données non homogènes Contribution aux initiatives de gouvernance des données

Dans le cadre du renforcement d’une équipe Data au sein d’un grand groupe du secteur des médias, nous recherchons un Data Engineer confirmé pour intervenir au cœur d’une plateforme data stratégique. Tu rejoindras une équipe en charge de la collecte, la centralisation et la transformation de données issues de sources hétérogènes , avec des enjeux forts de volumétrie, de performance et de qualité. Tes principales missions : Concevoir, développer et maintenir des pipelines data robustes et scalables Assurer l’ ingestion et la transformation de données multi-sources Optimiser les performances des traitements (Spark / SQL) Orchestrer les flux de données via Airflow Structurer et organiser le stockage des données Participer à l’ industrialisation des traitements (CI/CD, infrastructure) Garantir la qualité, la sécurité et la fiabilité des données Contribuer aux échanges techniques et à l’amélioration continue des pratiques

Nous recherchons un Data Engineer pour industrialiser un prototype d’application existant. Le projet implique une forte dimension infra et scalabilité , avec l’objectif de passer d’un prototype à une architecture robuste, maintenable et industrialisée. Le candidat interviendra également sur des sujets de refonte de la codebase et de préparation du déploiement en infrastructure as code . 🎯 Missions principales Industrialiser un prototype d’application data en environnement SaaS Revoir la codebase existante pour anticiper les enjeux de scalabilité Concevoir et mettre en place une architecture data robuste et évolutive Participer à la mise en place d’une approche Infrastructure as Code Construire et maintenir des pipelines de données fiables et scalables Travailler sur des problématiques d’architecture cloud et d’industrialisation Collaborer avec des interlocuteurs techniques (profil très orienté tech) 🛠 Stack technique Cloud : AWS (GCP apprécié mais non obligatoire) IaC : Terraform Orchestration : Airflow Langage : Python Environnement : SaaS / Data Engineering / Infra scalable

Contexte de la mission Au sein d'une grande entité du secteur de l'énergie, vous interviendrez en tant qu' Architecte Data transverse avec une double expertise DevOps et FinOps . Votre rôle sera stratégique : concevoir des architectures cloud robustes, définir les standards d'urbanisation (Data, IA, MLOps) et piloter l'optimisation des coûts dans un environnement hybride et multi-cloud, avec un focus majeur sur GCP . Missions principales 1. Architecture & Urbanisation Définir les standards d'architecture et les règles d'urbanisation pour les domaines Data, IA, DevOps et MLOps. Concevoir et mettre en œuvre des architectures de données cloud performantes. Rédiger, maintenir et diffuser les bonnes pratiques (Data, On-Premise, Cloud et DevOps). Assurer la gouvernance des modèles et encadrer l'usage des LLM tout en gérant les risques éthiques et réglementaires. 2. Expertise DevOps & MLOps Industrialiser les pipelines de données et de Machine Learning (ML Pipelines). Superviser l'orchestration et la conteneurisation des services. Garantir la mise en œuvre des principes CI/CD et GitOps dans des environnements complexes. 3. Stratégie FinOps & Performance Intégrer les principes FinOps dès la conception (Architecture by design). Optimiser spécifiquement les coûts liés au Cloud et aux ressources GPU (Plan FinOps dédié à l'IA). Définir des modèles de refacturation interne et préconiser les outils de suivi de performance pour superviser les pipelines. Expertise Technique Requise Cloud : Maîtrise avancée de Google Cloud Platform (BigQuery, Composer, Airflow, DataProc, DataFlow). Infrastructure as Code & CI/CD : Terraform, Ansible, Git, Jenkins, GitLab-CI, GitOps, Helm. Conteneurisation : Docker, Kubernetes. Observabilité : ELK, Grafana, Prometheus, Google Monitoring. Environnement : Expérience significative en environnements hybrides (On-premise / Cloud). Modalités pratiques Lieu : Paris – Présence sur site obligatoire 2 à 3 jours/semaine . Date de démarrage : 01/06/2026. Date de fin : 31/12/2026 (Visibilité long terme). Prix d’achat max : 650 € HT / jour.

Opportunité -| un(e) ML Engineer / MLOps Engineer – Projet Data & IA en production Dans le cadre du renforcement d’une équipe Data & IA dédiée à la personnalisation de l’expérience utilisateur , nous recherchons un(e) ML Engineer confirmé(e) pour intervenir sur des projets à fort impact, en environnement cloud et production. Vos missions Concevoir, développer et maintenir des pipelines ML robustes et scalables Industrialiser les modèles développés avec les équipes Data Science Déployer les modèles en production et accompagner les A/B tests Mettre en place le monitoring des performances et le contrôle qualité des modèles Exposer les modèles via des API REST Structurer et optimiser le stockage et la circulation des données Développer et maintenir les workflows CI/CD Garantir la stabilité, la sécurité et l’évolutivité des environnements Collaborer avec les équipes Data, Produit et Tech dans un cadre Agile 🛠️ Environnement technique Python / SQL Google Cloud Platform Vertex AI BigQuery Cloud Run Airflow FastAPI / Flask Terraform GitLab CI/CD TensorFlow / Scikit-learn 👤 Profil recherché Minimum 3 ans d’expérience en environnement Data / Machine Learning Expérience confirmée en mise en production de modèles ML Très bonne maîtrise de Python, SQL et des architectures data Solide expérience sur GCP Connaissances MLOps / industrialisation / infrastructure as code Aisance en communication avec des interlocuteurs techniques et métiers Français courant indispensable

Contexte du poste Au sein d'une Direction des Systèmes d'Information, vous intervenez dans un programme stratégique de transformation Data visant à moderniser les usages décisionnels et à migrer les solutions historiques vers une plateforme Data Analytics Cloud basée sur AWS. Dans le cadre d'un projet de sortie d'une infrastructure décisionnelle legacy, vous accompagnez la migration des usages BI vers une plateforme moderne reposant sur Snowflake, dbt, Airflow et Power BI . Vous participez à l'industrialisation des traitements de données, à la réduction du Shadow IT et au renforcement de la gouvernance des données au sein de l'entreprise. Enjeux du poste Accompagner la migration des usages décisionnels vers une plateforme Data Analytics cible. Industrialiser les traitements de données et les cas d'usage BI métiers. Garantir la qualité, la gouvernance et la maintenabilité des solutions Data. Concevoir des modèles de données robustes et des pipelines automatisés pour l'alimentation des restitutions décisionnelles. Contribuer à l'amélioration continue des pratiques Data Engineering. Missions principales Recueillir, analyser et challenger les besoins métiers. Concevoir et développer des modèles de données Silver et Gold sous dbt dans Snowflake selon une architecture médaillon. Mettre en œuvre des mécanismes de Data Quality , de tests automatisés et de documentation. Développer et administrer les datasets Power BI (modélisation en étoile, mesures DAX, sécurité RLS). Concevoir et maintenir les DAGs Airflow pour l'orchestration des pipelines de données. Participer aux cérémonies Agile, aux estimations de charge, aux revues de code et aux actions d'amélioration continue. Collaborer étroitement avec les Architectes Data, Tech Leads, Product Owners et équipes métiers. Livrables attendus Modèles de données développés sous dbt. Datamarts métiers et modèles sémantiques Power BI. Pipelines et DAGs Airflow d'orchestration. Spécifications techniques générales et détaillées. Documentation technique et fonctionnelle. Rapports de tests et de qualité des données. Environnements de recette configurés. Développements, correctifs et comptes rendus associés.

Nous recherchons un Développeur Python Objectif global : Conception/Développement Python, SQL Contrainte forte du projet- Les livrables sont: Rédiger les spécifications techniques détaillées Développer et tester Rédiger la documentation Compétences techniques: Python - Expert - Impératif SQL - Expert - Impératif Connaissances linguistiques: Anglais Professionnel Description détaillée: Pour renforcer un projet pour un Client bancaire, nous recherchons un profil Développeur Python (>= 6 ans d’expérience). Rôle : Techlead du backend applicatif, en charge des APIs et des traitements d’intégration de données complexes. Missions principales - Développer des APIs REST en Python FastAPI (Framework Web) - Concevoir et exposer des endpoints robustes et performants - Implémenter des traitements d’intégration de données à partir de fichiers XML complexes - Garantir de bonnes performances (traitements volumineux sans chargement complet en mémoire) - Gérer l’accès et l’écriture en base PostgreSQL - Industrialiser les traitements sur OpenShift Compétences attendues - Python avancé - FastAPI (conception d’API, validation de données, gestion des erreurs) - Traitement XML volumineux (lecture “streaming”, performance mémoire) - Bases de données PostgreSQL + Langage SQL - Connaissances OpenShift (déploiement, jobs, configuration) - Notions d’Airflow (intégration avec les traitements backend)

Almatek recherche pour l'un de ses clients, Un Concepteur / Développeur Python, SQL sur Paris 2ème Compétences techniques Python - Expert - Impératif SQL - Expert - Impératif Connaissances linguistiques Anglais Professionnel (Secondaire) Description détaillée Pour renforcer un projet pour un Client bancaire, nous recherchons un profil Développeur Python (>= 6 ans d’expérience). Rôle : Techlead du backend applicatif, en charge des APIs et des traitements d’intégration de données complexes. Missions principales - Développer des APIs REST en Python FastAPI (Framework Web) - Concevoir et exposer des endpoints robustes et performants - Implémenter des traitements d’intégration de données à partir de fichiers XML complexes - Garantir de bonnes performances (traitements volumineux sans chargement complet en mémoire) - Gérer l’accès et l’écriture en base PostgreSQL - Industrialiser les traitements sur OpenShift Compétences attendues - Python avancé - FastAPI (conception d’API, validation de données, gestion des erreurs) - Traitement XML volumineux (lecture “streaming”, performance mémoire) - Bases de données PostgreSQL + Langage SQL - Connaissances OpenShift (déploiement, jobs, configuration) - Notions d’Airflow (intégration avec les traitements backend)

🌟 Quel sera ton poste ? 🌟 💼 Poste : Ingénieur Infrastructure H/F 📍 Lieu : Paris (75) 🏠 Télétravail : 3 jours sur site par semaine 📝 Contrat : CDI 👉 Contexte client : Tu rejoins un acteur majeur du secteur financier , engagé dans la modernisation, la sécurisation et l’industrialisation de ses plateformes Data à grande échelle. En tant qu’ Ingénieur Infrastructure tu interviens sur le maintien en conditions opérationnelles, l’évolution technologique et la performance d’environnements Data complexes (CDP 7.1.x, Hadoop, stockage distribué, ingestion API…). 🎯 Tu auras pour missions de : Tu auras pour missions de : Recueillir les besoins métiers. Développer l’ingestion (API) et concevoir les stockages (Ozone, Hadoop…). Automatiser les traitements (batchs/pipelines). Nettoyer, transformer et structurer les données. Documenter les bases et garantir la conformité RGPD. Assurer la maintenance corrective/évolutive. Déployer et industrialiser les modèles ML. Assurer validation, monitoring et robustesse. Participer au design, à l’installation et à la qualification des plateformes. Contribuer à l’industrialisation continue. Support aux équipes métiers/applicatives/infra. Communication régulière au chef de projet. Astreintes + interventions HNO. Amplitude équipe : 8h–19h. 🧰 Stack technique : Cloudera CDP 7.1.x : HBase, Hive, Kafka, Solr, Knox, Spark, Ranger, Zookeeper, Kerberos, LDAP Systèmes : RedHat 8, RedHat 9 Langages & DevOps : Python, Bash, Java, Maven, Gradle, Ansible, DevOps Stockage & Data : Ozone, Hadoop, Druid, Clickhouse Traitement & orchestration : Airflow, Flink, Trino, Starburst Containers : Openshift, Kubernetes (K8s), Cloudera Data Services Autres : écosystème Apache, automatisation, migration clusters Hadoop

ngénieurie Data expérimenté pour conception, construction et maintenance d' une infrastructure de données robuste et performance dans un environnement entièrement on-premise. Étroite collaboration avec les équipes Data pour garantir des pipelines fiables et de haute qualité sur notre infrastructure autogérée. Profil recherché : - Conception et construction des pipelines de données scalables pour le traitement batch et temps réel - Dévelopement et maintenance des workflows avec Apache Airflow (orchestration) et Apache Flink (traitement de flux) - Mise en place et opération des clusters Apache Kafka pour le streaming d'événements à haut débit - Déployement et administration la stack ELK (Elasticsearch, Logstash, Kibana) pour l'ingestion de logs, l'indexation, la recherche et l'observabilité - Écriture du code Python propre, efficacité et test pour la logique ETL/ELT et les outils internes - Garantie de la qualité des données, la fiabilité des pipelines et la résilience de l'infrastructure - Collaboration avec les équipes DevOps sur la planification de capacité et les opérations cluster - Accompagnement et augmentation en compétences des ingénieurs moins expérimentés

Contexte : Nous recherchons un TechOps, un référent transversal garant de la qualité d’intégration, de la fiabilité opérationnelle, et de l’exploitabilité by design des solutions déployées au sein de l’équipe Infrastructure. Il participera à renforcer la fiabilité opérationnelle (RUN), l’amélioration continue, la standardisation, l’automatisation des processus d’exploitation et la montée en maturité vers les pratiques modernes de Platform Engineering. La ressource devra s’impliquer pour devenir un référent technique transverse, capitalisant sur les périmètres applicatifs et les solutions techniques. La répartition indicative des activités sera de 60 % au sein du Bureau Technique et 40 % en contributions techniques transverses (documentation, automatisation, amélioration continue, outillage). MISSIONS OBJET DE LA PRESTATION Préparation, coordination et suivi des mises en production. Contrôle et validation des livrables techniques. Intégration et paramétrage des solutions logicielles. Réalisation des tests techniques : unitaires, intégration, validation d’exploitabilité. Installation des nouveaux modules et des évolutions applicatives. Participation aux analyses d’impacts techniques. Contribution à l’évaluation des risques techniques. Vérification de la conformité aux normes de sécurité, d’architecture et d’exploitation. Respect strict des normes, standards, architectures, procédures et bonnes pratiques d’exploitation. Participation active à l’évolution des standards techniques du TechOps. - - - - - - - - - - - - Déploiement et maintien de solutions techniques et d’automatisations (scripts, pipelines CI/CD, supervision, IaC lorsque applicable). Standardisation des outils, patterns et bonnes pratiques. Contribution aux services et solutions opérées par l’équipe Platform Engineering. Production et mise à jour de la documentation technique (DEX, référentiels, procédures…). Reporting régulier auprès du responsable Infrastructure et des ISM (Integration Service Managers). Accompagnement, vulgarisation et partage de connaissances auprès des équipes internes. Participation à l’acculturation DevOps au sein du Bureau Technique. Solide rigueur technique et capacité d’analyse. Aisance rédactionnelle et esprit de synthèse. Excellente communication orale et écrite. Aptitude à vulgariser et à accompagner les équipes dans la montée en compétences. Capacité à être force de proposition et à mener une veille technologique régulière. PROFIL & ENVIRONNEMENT TECHNIQUE L’environnement technique de l’équipe d’Infrastructure est composé des éléments ci Compréhension limitée des concepts de production et DevOps, capacité à exécuter des tâches simples sous supervision (par exemple, exécution de scripts ou suivi des indicateurs de performance). Capacité à configurer des environnements de développement et de production, à utiliser des outils de gestion de version (comme Git) et à exécuter des tâches de maintenance préventive. Maîtrise des outils d'intégration et de déploiement continu (CI/CD), capacité à gérer des conteneurs (Docker, Kubernetes), et à optimiser les processus de production tout en surveillant les performances. Compétences expertes Expertise dans la gestion d'infrastructures cloud (AWS, Azure, GCP), capacité à concevoir des architectures résilientes, à implémenter des pratiques de sécurité, et à diriger des initiatives d'amélioration continue. Systèmes & Architecture Infrastructure Unix, Linux ,Windows Server ,Orchestration & Scheduling,Control-M ,supervision / Observabilité, Zabbix, Instana, Prometheus,Grafana, Kibana ,Scripting & Programmation, Shell, Python (scripting), powerShell, Python (dev),YAML,SQL,Java, NodeJS, ReactJS, Réseau & Équilibrage, HAProxy, Nginx3, API & Intégration, API REST, gestion & Analyse des Logs, Loki, Elasticsearch, Workflows & Traitements techniques, Apache Airflow ,Gestion de code (VCS) Compétences techniques essentielles (obligatoires) - - - - - - - - Systèmes & Architecture Infrastructure o Très bonne maîtrise des systèmes d’exploitation Linux et Windows Server (niveau expert). o Compréhension des environnements Unix/AIX et des mécanismes de haute disponibilité (HACMP, VCS, Windows Cluster). o Bonne compréhension des architectures d’infrastructure toutes couches (OS, réseau, middleware, API, stockage, supervision). Cloud & Modernisation o Connaissance solide des concepts Cloud (public, privé, hybride). o Compréhension des principes d’architecture Cloud (scalabilité, résilience, sécurité, patterns d’intégration). o Savoir travailler dans des environnements Cloud et accompagner la migration de solutions legacy. Automatisation & Infrastructure-as-Code o Maîtrise d’Ansible pour l’automatisation des configurations et des déploiements. o Connaissance de Terraform (IaC) pour comprendre ou valider les modèles d’infrastructure automatisée. o Connaissance de Vault pour la gestion sécurisée des secrets. o Capacité à intégrer et à standardiser les outils DevOps dans la chaîne d’exploitation. Orchestration & Traitements o Maîtrise d’Apache Airflow pour l’orchestration de workflows techniques et applicatifs. CI/CD & DevOps o Bonne connaissance des chaînes CI/CD (GitLab CI, GitHub Actions, Jenkins). o Capacité à valider l’exploitabilité d’un pipeline et à définir les prérequis techniques. o Capacité à intégrer des solutions DevOps, sans nécessairement développer des pipelines complexes. Langages & Scripting o Maîtrise d’un langage de programmation tel que Java ou Python (lecture, compréhension, validation technique). o Très bonne maîtrise du Shell (niveau expert), Python scripting et PowerShell. o Bonne maîtrise de YAML pour la lecture des configurations modernes (CI/CD, Kubernetes, Airflow). o Connaissances de base en SQL (lecture, diagnostic simple). Observabilité / Supervision / Logs o Connaissance des outils de supervision (Zabbix, Instana). o Capacité à lire et interpréter des logs via Loki, Elasticsearch, Kibana, Grafana, Prometheus. o Savoir identifier des incohérences, anomalies ou points d'amélioration sur la chaîne d’exploitabilité. Réseau, API & Équilibrage - - o Bonne compréhension du fonctionnement des API REST (consommation, contrats, validations). o Connaissance des équilibreurs de charge (HAProxy, Nginx). o Comprendre les mécanismes de SLB/GSLB (Load Balancing global/local). Écosystème applicatif & composants techniques o Compréhension des serveurs d’applications (Apache, Tomcat, JBoss). o Connaissance des systèmes de messagerie (Kafka, RabbitMQ, IBM MQ Series). o Connaissance des solutions de transferts (TOM/CFT/PeSIT). o Familiarité avec les bases de données (MS SQL, Redis, MongoDB, PostgreSQL) et leurs outils (DBeaver/SQL Manager). Les compétences optionnelles apportant un plus sont : - - - - - Maîtrise supplémentaire de langages : YAML avancé, C++, C#, HTML/CSS. Connaissance des solutions de virtualisation (VMWare, Hyper-V…). Connaissance de PostgreSQL et MongoDB (niveau opérationnel). Familiarité avec la gestion de projet et les méthodologies agiles. Compréhension plus avancée des solutions de coffre-fort (Vault, CyberArk…).

Nous recherchons un Lead Agentic AI Engineer pour un Un éditeur de contenu français, audience massive, deux business qui tournent en parallèle : l'abonnement, qu'il faut faire grossir, et la régie pub, où il reste pas mal de valeur à aller chercher sur l'inventaire. La data plateforme est en pleine restructuration côté GCP, l'équipe data est en place (data scientists, BI Power BI en self-service, une CDP côté CRM), et on touche au bout du chantier d'infra. La direction veut passer à autre chose que du reporting et du dashboard. Le sujet est de mettre des agents en production sur des cas business qui pèsent sur le P&L, vraiment en production, pas une démo de plus. Concrètement, sur les 6 premiers mois, voilà à quoi va ressembler le job. Tu commences par regarder ce qui se passe vraiment dans la maison côté acquisition, monétisation de l'inventaire pub et fonctions support, et tu sors une liste courte de cas où un agent a du sens (et où il n'en a pas, c'est souvent là que les autres se plantent). Tu choisis deux ou trois cas et tu les mets en prod. Pas un POC, pas un notebook joli. Quelque chose qui tourne, qu'on mesure, qu'on monitore. En parallèle, il y a un chantier de fond : sortir l'équipe du modèle "dashboard" et installer une couche d'analyse comportementale temps réel sur l'audience, c'est le socle qui rend les agents intéressants ensuite. Et tu poses les fondations pour la suite : evals, observabilité, garde-fous, doc d'archi. Si la mission bascule en CDI à 12 mois, on parle aussi du build d'équipe à ce moment-là. Tu travailles en direct avec la régie sur les sujets de monétisation, avec le CRM sur l'activation et la segmentation, et avec les fonctions support sur tout ce qui peut se déléguer à un agent (assistance, ops, modération). C'est une boîte média, il faut aimer ça, savoir ce qu'est un CPM, comprendre pourquoi le directeur de la régie va te poser des questions sur le fill rate, pas sur ton archi. Côté technique Ce qu'on cherche n'est pas exotique mais c'est précis. Il faut avoir déjà mis au moins un système agentic en prod réelle, et savoir le raconter en détail : l'orchestration choisie, comment les outils sont branchés, comment tu fais les evals, ce que tu mesures côté business, ce qui a explosé une fois en prod et comment tu t'en es rendu compte. La stack tu fais avec ce que tu connais : LangGraph, Anthropic Agent SDK, OpenAI Agents, DSPy, du custom maison. L'important c'est d'avoir vraiment livré, pas d'avoir lu la doc. Au-delà de l'orchestration pure, il faut connaître les fondations qui font qu'un agent tient en prod : tool calling propre, evals offline et online, garde-fous, observabilité (LangSmith, Langfuse, Arize, du custom — peu importe), et la gestion des coûts API parce qu'à grande échelle ça compte. Sur la data, tu dois pouvoir lire et challenger un pipeline BigQuery avec Airflow ou Composer dessus, sans forcément vouloir tout refaire toi-même. La data team est là pour ça, mais tu dois pouvoir leur parler d'égal à égal. Côté GCP, tu utilises BigQuery au quotidien et tu sais te servir de Vertex, Cloud Run, Workflows quand c'est utile pour un système agentic. Si tu as un background data scientist ou ML engineer avant d'avoir basculé sur les LLM en 2023-2024, c'est un vrai plus. Tu connais le piège du "tout LLM" et tu sais quand revenir à du déterministe ou à du modèle classique. Si tu as touché un peu d'adtech, CPM, viewability, attribution, ce vocabulaire-là, c'est mieux, mais ça s'apprend en quelques semaines si tu es curieux. Ce qu'on regarde au-delà du CV C'est la partie qu'on peut difficilement vérifier sur LinkedIn mais qui fait la différence sur ce poste précis. D'abord la capacité à dire non. Quand on te propose un cas d'usage, tu dois pouvoir dire "ça, franchement, c'est un workflow déterministe, on n'a pas besoin d'un LLM" — et le défendre devant un sponsor qui voulait son agent. La maison a déjà eu des POC, on ne veut pas en rajouter un. Ensuite la capacité à parler à des non-techs sans intermédiaire. Tu vas te retrouver en réunion avec la régie, avec le marketing, peut-être avec le DAF, et il n'y aura pas de PM pour traduire. Si tu ne sais expliquer ton archi qu'à un autre ingé, ça ne marchera pas. Tolérer l'ambiguïté est un autre critère. On ne te donnera pas un objectif business un peu flou, à toi de remonter au vrai cas et au vrai produit là, et c'est OK. Bien composer avec l'équipe en place. Il y a des data engineers, une BI. Tu ne débarques pas en disant que tout ce qu'ils ont fait est nul. Tu t'appuies, tu écoutes, tu choisis tes batailles. Et puis l'honnêteté. On préfère quelqu'un qui dit "j'ai raté ça, voilà ce que j'en ai appris" à quelqu'un qui survend. Pareil sur les coûts, les délais, les limites des modèles. Quand un agent commence à coûter 4000€/jour en API, on veut le savoir, pas découvrir la facture en fin de mois. Le dernier critère c'est le sens du delivery. On a vu trop de profils brillants qui laissent 4 chantiers ouverts et zéro système en prod. Ici on veut au moins deux mises en prod sur 6 mois, pas un slide deck de roadmap.

Basés en plein cœur de Paris, nous faisons bouger l’industrie des jeux en ligne. Leader du poker et des paris sportifs en France avec 350 000 joueurs et 600 000 parieurs mensuels, nous sommes présents en Espagne, en Allemagne et bientôt en Italie et au Portugal. Nous offrons à nos joueurs une expérience exceptionnelle, à la fois technique, créative et qualitative. Innovation, unité et appartenance : nos valeurs façonnent une culture d’entreprise multiculturelle et unique. Et si tu avais un futur dans le jeu ? Techniquement, Winamax c’est : Un moteur de jeu puissant et innovant : adaptation dynamique de l'offre de jeu, parties de poker hautement configurables, détection de fraude Une architecture distribuée et scalable conçue pour traiter en temps réel les flux de la plateforme Une plateforme modulaire soumise à des contraintes de haute disponibilité et de sécurisation des données, capable de gérer de fortes audiences A PROPOS DU POSTE Winamax est le leader français du poker et des paris sportifs en ligne, des centaines de milliers de joueurs actifs par jour, plus de 900 000 prises de paris, plus de 250 0000 tournois de poker lancés chaque jour, 20 milliards de mains de poker jouées depuis la création de la plateforme. Winamax est également présent en Espagne et en Allemagne. Soutenir ce fort trafic implique des défis certains en termes d’architecture, de haute disponibilité, d’observabilité et de sécurité. Coté infrastructure, nous avons des milliers d’instances de services tournant en parallèle, + de 50 To de données en base. Dans ce cadre, au sein de l'équipe Infrastructure, composé de 5 personnes, tu prendras une part active à la conception, au build et au run de notre infra sur AWS. LES MISSIONS DU POSTE Garantir le fonctionnement optimal de l’infrastructure Assurer le fonctionnement optimal et le Maintien en Conditions Opérationnelles (MCO) de notre plateforme à fort trafic Exploitation, de la plateforme et des infrastructure, résolution d'incidents Fiabiliser et automatiser la création et les changements d’infrastructure Architecturer, faire évoluer et maintenir les systèmes liés aux produits Winamax Assurer l'automatisation des tâches récurrentes au sein de l'équipe Appui aux équipes de développement Travailler en étroite collaboration avec les différentes équipes de développement, proposer des architectures en adéquation avec les besoins métiers Fournir des briques infrastructure transverses en self service Promouvoir et diffuser les bonnes pratiques SRE / DevOps Environnement Technique Backend : , Python, C++, PHP, Golang Frontend : Javascript, React, Redux, Electron, TypeScript Compute : AWS ECS, AWS EC2, AWS Lambda Ops : AWS, GitHub Actions, Terraform, Docker, Git, Debian Databases : AWS Aurora (MySQL), AWS DynamoDB, Amazon Redshift Cache : AWS Elasticache (Valkey / Redis) Event & Data processing : Apache Kafka, Redis streams, Apache Airflow, AWS Batch BI: AWS Quicksight CI/CD : Github Actions Observabilité : Prometheus, OpenTelemetry, AWS Cloudwatch, Grafana QUELQUES EXEMPLES DE PROJETS Mettre en place du tracing distribué sur l’ensemble de la plateforme avec OpenTelemetry. Mise en place d’un système automatisé de gestion des accès à tous les types de bases de données. Intégration de Terraform dans la CI/CD avec gestion du drift Automatisation de la recopie de datastores entre plusieurs environnements (comprenant gestion des droits, anonymisation...)