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

Contexte Dans le cadre du développement d’une plateforme data cloud et de la modernisation de l’écosystème analytique, nous recherchons un(e) Tech Lead Data capable de piloter les choix techniques, encadrer les développements et accompagner les équipes sur des architectures data cloud-native à grande échelle. Missions principales Concevoir et faire évoluer l’architecture data sur GCP Encadrer techniquement les équipes Data Engineering Définir les bonnes pratiques de développement et d’industrialisation Participer aux choix d’architecture et aux décisions techniques stratégiques Développer et maintenir des pipelines de données robustes et scalables Mettre en place les standards CI/CD et Infrastructure as Code Superviser les workflows d’orchestration et les traitements batch/streaming Garantir la qualité, la sécurité et la gouvernance des données Collaborer avec les équipes métier, analytics, BI et cloud platform Accompagner les équipes sur les sujets de performance, monitoring et optimisation des coûts cloud Environnement technique GCP (BigQuery, Cloud Run, Pub/Sub, Cloud Build, Artifact Registry) Terraform Python SQL Airflow Git / CI/CD Docker Architecture cloud-native APIs & microservices Data pipelines / ELT Compétences appréciées Streaming temps réel Data Governance Observabilité & monitoring FinOps / optimisation cloud Sécurité des données Méthodologies Agile / Scrum

Description: CONTEXTE ET ENJEUX Assurer la continuité architecturale (en binôme avec l’architecte Data Leading) et technique du projet Modernisation Analytics (mise en œuvre d’un Lakehouse en mode hybride Cloud Public et Cloud Privé), en accompagnant les équipes techniques dans la conception, l’implémentation, la documentation et l’alignement avec les exigences transverses (réseau, sécurité, stockage, etc.). MISSIONS PRINCIPALES Au sein de l'équipe Data Architecture, les activités suivantes : Conception et architecture : Analyser les besoins métier et concevoir des architectures data adaptées aux enjeux du groupe financier Définir et maintenir les référentiels d'architecture data (relationnelle et NoSQL) sur environnements hybrides multicloud Concevoir et implémenter des patterns de traitement de données (batch, streaming, event-driven) sur infrastructures hétérogènes Appliquer les principes de réversibilité dans la conception des solutions Challenger les propositions techniques tant sur les aspects infrastructure que sur la modélisation et les use cases métier Plateforme hybride et migration : Concevoir des architectures hybrides intégrant OnPrem (OpenStack, VMware, Baremetal) et Cloud (GCP priorité, AWS) Architecturer la plateforme data sur services établis et solutions containerisées Kubernetes Anticiper et planifier les migrations futures vers OpenShift avec une vision long terme Gérer l'intégration avec le catalogue de bases de données existantes (Vertica, Teradata, Oracle, PostgreSQL…) Collaboration et leadership technique : Travailler en étroite coordination avec l'Architecte Data Leading pour définir la vision et les objectifs architecturaux Contribuer activement à la stratégie d'architecture data du groupe Innovation et Intelligence Artificielle : Accompagner les équipes dans l'intégration de solutions ML/IA et d'IA Générative Évaluer et challenger les propositions techniques des équipes métier Orienter le choix des technologies selon les use cases et le catalogue disponible Documentation et communication : Rédiger des documents d'architecture technique (DAT) et spécifications Créer des diagrammes d'architecture clairs et précis Animer des réunions techniques et présenter les solutions aux parties prenantes Définir et communiquer les standards et bonnes pratiques architecturales Assurer la formation et le mentoring des équipes techniques Formation et expérience : Formation Bac+5 (École d'ingénieur ou Master universitaire) en informatique/data Minimum 10 ans d'expérience en architecture data dans un environnement financier ou similaire Expérience pratique confirmée dans la construction de pipelines, manipulation de données, optimisation de bases de données et conception d'use cases métier Compétences techniques indispensables : Expertise en modélisation de données (relationnelle et NoSQL) et challenger des modèles existants Maîtrise de SQL avancé et Python pour l'analyse et l’automatisation Connaissance approfondie des environnements hybrides : OnPrem (OpenStack, VMware, Baremetal) et multicloud (GCP priorité, AWS) Expertise GCP pour la construction de plateformes data avec services natifs Maîtrise des technologies containerisées (Kubernetes, migration OpenShift) Maîtrise de l'Infrastructure as Code (Terraform, Ansible) et pratiques CI/CD Expertise des patterns de traitement de données : batch, streaming, event-driven Connaissance solide des concepts ML/IA et IA Générative Maîtrise de l'implémentation de workloads analytiques et opérationnels Expérience avec le catalogue de bases de données enterprise et open source Expérience avec des orchestrateurs Data (KESTRA, AirFlow) Compétences comportementales : Capacité à challenger les propositions techniques en s'appuyant sur son expérience et la compréhension du contexte Vision long terme et capacité d'anticipation des évolutions technologiques Aptitude à concevoir avec les principes de réversibilité Collaboration efficace et capacité de travail en binôme avec l'Architecte Data Leading Communication (réunions, documentation technique, diagrammes) Maîtrise d'outils de réalisation de diagrammes (Draw.io, Excalidraw, Lucidchart) Adaptabilité aux contraintes et vision interne de l’entreprise Langue : Anglais opérationnel (documentation technique, échanges internationaux) CONDITIONS Localisation : Montpellier (priorisée), Paris Déplacements : Occasionnels selon les besoins projets

Missions principales 1. Administration Kafka On-Premise Administration avancée de clusters Kafka Activités Build & Run Support technique expert Automatisation des opérations via Ansible et Bash 2. Maintien Kafka PaaS (en fin de vie – IBM Cloud) Contribution au développement (Java / microservices Kafka) Maintien en conditions opérationnelles Accompagnement de la phase de décommissionnement 3. Déploiement Kafka as Code (offre stratégique) Automatisation du provisioning Kafka sur Cloud Développement de pipelines internes Mise en place de pratiques CI/CD et GitOps Industrialisation via outils d’infrastructure as code ⚠️ Exploitation Participation aux astreintes Gestion des incidents de production Support transverse sur les différentes offres Kafka 🛠️ Environnement techniqueCompétences indispensables Apache Kafka (administration avancée) Python Linux (RedHat) Git / GitLab Bash / scripting Ansible Compétences appréciées GitOps (ArgoCD) Apache Airflow Terraform Docker / Kubernetes Java & microservices Kafka Helm / Kustomize 🌍 Langues Anglais professionnel requis

Qui sommes-nous ? Artemys, acteur de la transformation numérique est une entreprise à taille humaine, avec plus de 30 ans d’expérience composée de plusieurs entités, chacune spécialisée dans leur domaine (Système, data, réseaux/sécu…) Ce qui nous distingue vraiment ? Ce n’est pas de dire que nous valorisons nos collaborateurs, c’est de le montrer chaque jour. Chez Artemys, l’humain est au cœur de tout ce que nous faisons. Nos valeurs, concrètes et vécues au quotidien : Convivialité : travailler dans une bonne ambiance, ça change tout Proximité : chaque membre de l’équipe a sa place et sa voix Écoute : vos idées comptent autant que votre travail Agil-IT , située à Isneauville (près de Rouen) est une entité spécialisée en Data, Développement et pilotage de projets IT. Forte de plus de 20 ans d’expertise , elle accompagne les entreprises, principalement implantées en Normandie dans leur transformation digitale. C’est au sein de cette entité, que se développe notre expertise Data. Chiffres clés : 7,8 M€ de CA | 65 consultants en 2025 Une structure à taille humaine où vos compétences et votre savoir être font la différence. Reconnue pour son exigence technique et ses valeurs humaines, elle est aujourd’hui un acteur clé en offrant des prestations d ‘audit , de conseil , de mise en œuvre , de migration , de support et des formations pour diverses clients. Dans le cadre d’une mission d’audit et de conseil, nous recherchons un(e) Consultant(e) Senior / Architecte Data au Havre (76) afin d’intervenir sur deux environnements ETL distincts et d’accompagner le client dans l’évaluation de son architecture data actuelle. L’objectif de la mission est de produire un état des lieux détaillé, d’identifier les axes d’amélioration et de formuler des recommandations concrètes, priorisées et exploitables. Votre mission (si vous l’acceptez) : Réaliser un audit des deux environnements ETL Analyser l’architecture existante et son adéquation avec les usages métiers Étudier les workflows et leur impact sur la production Identifier les dérives, risques techniques et axes d’optimisation Évaluer les possibilités de mutualisation et de rationalisation Challenger les choix techniques existants Produire des recommandations concrètes et priorisées Restituer les conclusions auprès des parties prenantes et de la DSI Le terrain de jeu : Expertise ETL au sens large : Talend, Informatica, Airflow, Apache NiFi, DataStage, ODI ou technologies équivalentes Bonne maîtrise des problématiques d’architecture data : ingestion, qualité de données, workflows, dimensionnement, mutualisation Connaissance des environnements NoSQL, notamment Cassandra, appréciée Bonne compréhension des écosystèmes BI et API : Power BI, exposition et orchestration d’API Le profil que nous recherchons : Minimum 8 ans d’expérience en Data Engineering / Architecture Data Expérience dans des missions d’audit, d’architecture ou de conseil Capacité à évoluer dans des environnements techniques complexes et hétérogènes Posture de conseil : capacité à investiguer, challenger, formuler des préconisations claires Aisance relationnelle Ouverture d'esprit, neutralité, impartialité Le process pour nous rejoindre : simple et clair ! Échange RH : On discute de vos motivations et de l’adéquation avec nos valeurs (promis, pas de robotisation ici). Entretien opérationnel : Un échange approfondi pour clarifier vos missions. Proposition d'embauche : Si tout colle, on vous accueille officiellement chez Artemys ! Rémunération : TJM 600€ à 700€ (Selon votre expertise) Modalités : Démarrage : ASAP Localisation : Le Havre (télétravail partiel possible) Durée : à définir avec le client lors des échanges Type de mission : Conseil / Audit / Architecture Data Bienvenue dans l’aventure ARTEMYS Chez nous, chaque talent compte. Peu importe votre âge, vos origines, votre identité, votre religion ou votre orientation : ce qui nous intéresse, c’est vous et ce que vous avez à apporter. On s’engage à répondre à toutes les candidatures. Et ici, l’inclusion n’est pas qu’un mot : tous nos postes sont ouverts aux personnes en situation de handicap, et on fait tout pour créer un environnement où chacun peut s’épanouir. Prêt, feu, candidatez !

Dans un contexte de transformation digitale et de montée en charge des plateformes data et cloud, vous rejoignez une équipe agile intervenant sur des environnements complexes à forte volumétrie (Kubernetes, CI/CD, data platforms, Airflow…). Vous contribuez à l’industrialisation, l’automatisation et la fiabilisation des déploiements applicatifs et infrastructures, avec un rôle clé autour de l’écosystème Ansible et Kubernetes. Développer et maintenir des outils en Python , Ansible et Terraform pour automatiser et industrialiser les déploiements d’infrastructures et d’applications Automatiser les déploiements d’infrastructures et d’applications via Ansible (création et maintenance de rôles, structuration multi-rôles et multi-versions) Orchestrer et industrialiser les processus avec Ansible Tower Déployer, administrer et maintenir des clusters Kubernetes (performance, résilience, mises à jour) Concevoir, mettre en place et améliorer des pipelines CI/CD (GitLab CI) Automatiser les déploiements applicatifs via une approche GitOps avec ArgoCD Développer et maintenir des Helm charts (applications internes, Apache Airflow, personnalisations avancées) Mettre en place et maintenir des solutions de logging et monitoring (Rsyslog, Elasticsearch, Kibana, Dynatrace) Maîtriser les environnements SQL Server afin de fiabiliser et automatiser les opérations liées aux bases de données, en lien avec les équipes DBA et applicatives. Contribuer à la définition de l’architecture technique et aux échanges avec les équipes internes et partenaires Identifier, analyser et corriger les incidents techniques, tout en améliorant la fiabilité globale Garantir le respect des standards de sécurité et des bonnes pratiques DevOps Rédiger la documentation technique et accompagner les équipes sur les bonnes pratiques Assurer un rôle de référent technique et support au leadership si nécessaire

Data Engineer Senior – Plateforme Data & IA Rejoignez une équipe Data Platform en pleine construction afin de concevoir et faire évoluer une plateforme de données à grande échelle, au service de projets stratégiques orientés BI, analytics et IA générative. Missions principales Concevoir et développer des pipelines ETL/ELT robustes et scalables pour centraliser et transformer des données multi-sources. Participer à la mise en place de l’architecture Data sur environnement cloud GCP. Développer des traitements performants en Python et SQL, avec une forte culture qualité et automatisation. Préparer et structurer les datasets destinés aux usages IA / LLM. Optimiser les performances des traitements et les coûts d’infrastructure cloud. Mettre en place des mécanismes de monitoring, d’observabilité et de contrôle qualité des données. Participer au déploiement et à la maintenance des infrastructures DataOps / CI-CD. Collaborer avec les équipes techniques et métiers dans un environnement Agile. Profil recherché Bac+5 en informatique / data engineering ou équivalent. Minimum 5 ans d’expérience sur des environnements Data complexes. Très bonne maîtrise de Python (POO) et SQL. Expérience confirmée sur GCP : BigQuery, Cloud Storage, Cloud Run / Functions. Maîtrise de dbt et d’un orchestrateur type Dagster ou Airflow. Bonne connaissance des outils DevOps : GitLab CI, Docker, Terraform. Sensibilité forte aux problématiques de qualité, scalabilité et industrialisation. Intérêt pour les sujets IA générative et modern data stack. Anglais professionnel courant. Environnement technique GCP (BigQuery, GCS, Cloud Run, Vertex AI) dbt, Dagster GitLab CI/CD Docker, Terraform Data multi-sources : CRM, social data, advertising, analytics Conditions Mission longue durée Démarrage : juin 2026 Localisation : région parisienne Télétravail hybride (2 jours/semaine)

Présence sur site 3j/semaine Mission Construire et maintenir des pipelines de données fiables et scalables sur AWS et Snowflake. Responsabilités Développer des pipelines ETL/ELT Participer à une intégration d'SAP Intégrer et transformer les données Modéliser les données (data warehouse) Optimiser les performances et les coûts Assurer la qualité des données (tests, monitoring) Orchestrer les workflows (Airflow ou équivalent) Collaborer avec les équipes data et métier Stack technique AWS (S3, Glue, Lambda, Redshift) SAP Snowflake SQL Python Airflow / dbt / Git Profil Expérience en data engineering Bonne maîtrise SQL et modélisation Expérience cloud (AWS) Autonomie, rigueur Bonus Docker CI/CD Expérience data lake / lakehouse

Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers. L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance. La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform). Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI. Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI. Data Quality & Feature Store : Great Expectations, Feast. Ta Mission & Ton Impact : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production. Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions. Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation). Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.

Contexte de la mission Dans le cadre d’un programme structurant de modernisation du système d’information , nous recherchons un profil Data Engineer / DevOps senior pour renforcer une équipe existante. La mission s’inscrit au cœur du SI cible , au service de plusieurs applications critiques orientées data, intégration et services temps réel. Le poste vise à industrialiser les chaînes DevOps et à structurer les flux Data Lake dans un environnement cloud native, fortement automatisé et orienté open source . Démarrage souhaité : mai / juin Localisation : Rive gauche bordeaux, nécessite un véhicule Objectifs de la mission Le rôle est double : DevOps / Plateforme Industrialisation et sécurisation des chaînes d’intégration et de déploiement Standardisation des pratiques GitOps sur un socle Kubernetes multi‑environnements Renforcement de l’automatisation et de l’observabilité des plateformes applicatives et data Data / Streaming Accompagnement à la conception et à la standardisation des flux data temps réel Structuration d’un Data Lake orienté streaming et lakehouse Garantie de la performance, de la résilience et de la maintenabilité des flux Domaines d’intervention & compétences clés Socle Kubernetes & DevOps Orchestration : Kubernetes (Namespaces, Ingress, RBAC) GitOps : GitLab CI, Helm, ArgoCD Observabilité : Grafana, Prometheus, Loki, Tempo Sécurité CI/CD : SAST, DAST, Trivy Environnements : OpenStack Écosystème Data & Data Lake Streaming & CDC : Kafka, Debezium Processing : Spark SQL, Airflow Lakehouse : Apache Iceberg Query Engine : Trino (PrestoSQL) Stockage objet : Ceph (ou équivalent) Micro‑services & APIs Runtimes : Java / Quarkus, Python API Management : Kong Protocoles : MQTT (atout) Optimisation des performances applicatives et data Livrables attendus (exemples) Socle & automatisation Mise en place d’architectures ArgoCD (Application of Applications) Catalogue de Charts Helm industrialisés Bibliothèque de pipelines GitLab CI/CD standardisés et sécurisés Data & Streaming Provisionnement automatisé des clusters Kafka et connecteurs Debezium Configuration optimisée de Trino sur stockage objet Mise en place des DAGs Airflow pour l’orchestration des traitements Documentation & MCO Dashboards de supervision avancés Rédaction du Dossier d’Architecture Technique (DAT) Rédaction de Runbooks MCO / PRA Définition de standards techniques et bonnes pratiques cloud native Profil recherché Expérience confirmée (5 à 8 ans minimum) en DevOps, Data Engineer ou Platform Engineer Très bonne maîtrise de Kubernetes et des pratiques GitOps Expérience concrète sur des plateformes Kafka et Data Lake À l’aise dans des contextes SI complexes et structurants Capacité à travailler en collaboration étroite avec équipes de développement, architectes et chefs de projet Autonomie, rigueur, sens de l’industrialisation

L'objectif est de déployer une plateforme Cloud interne automatisée permettant d'industrialiser le delivery IT, de réduire le Time-to-Market de 50 % et de maîtriser les coûts d'exploitation face à une croissance forte des environnements (passage de 29 à 52). Missions principales Cadrer et piloter la feuille de route stratégique de l'automatisation du Cloud interne. Mettre en place et animer la gouvernance du programme (COTECH/COMEX). Coordonner les équipes transverses : DevOps, Sécurité, Réseau, DBA et Virtualisation. Piloter la création d'une Marketplace IT en self-service (catalogue IaaS/PaaS). Garantir l'adoption des pratiques GitOps et l'industrialisation des déploiements (environnements conteneurisés et virtualisés). Assurer le suivi de la performance via des indicateurs précis (KPIs de sécurité, d'automatisation et de traçabilité). Profil recherché Expertise avérée dans le pilotage de programmes de transformation Cloud de grande envergure. Capacité démontrée à évoluer dans des contextes complexes avec une forte exposition politique (Gouvernance de type C-Level). Solide culture technique sur les environnements automatisés et les méthodes de déploiement moderne. Environnement technique cible Orchestration & CI/CD : Airflow, Terraform / OpenTofu, Ansible, AZD, Jenkins. Cloud & Conteneurisation : Kubernetes (TKGS), GitOps (Argo CD, Helm, Kustomize). Virtualisation & Stockage : vSphere, ARIA Automation, VCF, Vault / OpenBao.

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.

Objectifs et livrables Build Technique (Framework RACE) : Développer les évolutions de la stack de lecture des métadonnées et de déploiement d'API pour la rendre plus automatisée et tendre vers un mode self-service pour l’utilisateur. Support et respect des SLI/SLO : Mettre en place une solution de suivi des SLI automatisée. Garantir la disponibilité et la performance des solutions d'exposition déployées. Accompagnement Utilisateurs : Produire une documentation de référence et guider les équipes dans l'intégration de leurs cas d'usage. Qualité: Garantir le respect des standards de la plateforme pour respecter le niveau de qualité attendu. Mise en place des tests unitaires et d’intégration. Notre stack technique Frameworks : Spring / Spring Boot (Back), Next.js / Angular (Front) Cloud & Infrastructure : AWS, Kubernetes Data & Orchestration : Airflow, Druid, DynamoDB, PostgreSQL (Aurora, Lekabase) CI/CD : GitHub, GitHub Actions Observabilité : Datadog Backlog management : JIRA

Almatek recherche pour l'un de ses clients Un Data Ingénieur DevOps / AWS sur Plaisir. Contexte de la mission Dans le cadre de la mise en place d’une dataplateforme d’entreprise, la DSI du client souhaite intégrer un expert Data Ingénieur & DevOps AWS afin de : Mettre en place l’ingestion de différents types de données (structurées, semi?structurées, non structurées) Industrialiser l’ingestion des données depuis un datalake existant vers la nouvelle dataplateforme Automatiser l’intégration des données dans la couche standardisée AWS (RAW DATA vers STANDARDIZED) Réaliser la documentation et assurer le transfert de connaissances L’objectif principal est de finaliser un premier use case incluant l’ingestion de plus de 100 tables issues d’un ERP, tout en accompagnant la montée en compétences des équipes internes (équipe data et Data Engineer). Environnement Technique Data Engineering & Cloud AWS Services AWS Data : S3, Glue, Redshift, Athena, EMR, Lambda Pipelines et orchestration : Step Functions, Airflow, Lambda Python Patterns d’architecture data : Data Lake, ETL / ELT, Data Mesh Transformation data : dbt DevOps & Industrialisation Infrastructure as Code : Terraform CI/CD : GitLab CI/CD Gestion des environnements DEV / PREPROD / PROD Versionning du code et de la data : Git, DVC, LakeFS Sécurité & Gouvernance IAM, gestion des accès, chiffrement Gouvernance et catalogage : Glue Data Catalog, Collibra ou équivalent

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...)

Nous recherchons un(e) Senior Data Engineer pour concevoir, déployer et maintenir une plateforme de données robuste et performante dans un environnement entièrement on-premise. Vous serez responsable du développement de pipelines batch et temps réel en Python, de l’orchestration via Apache Airflow et du traitement de flux avec Apache Flink, tout en assurant l’exploitation de Apache Kafka pour le streaming à grande échelle. Vous contribuerez également à l’observabilité et à la qualité des données via la stack Elasticsearch / Logstash / Kibana, en collaboration étroite avec les équipes Data et DevOps. Ce rôle clé implique un haut niveau d’exigence technique, la fiabilité des systèmes en production et l’accompagnement des ingénieurs plus juniors