Trouvez votre prochaine offre d’emploi ou de mission freelance GitHub Actions

Langues : Français courant, Anglais professionnel Contexte de la Mission Le client opère une plateforme Data Lakehouse pour ses activités de banque et d'assurance à travers 9 pays européens. L'architecture "médaillon" repose sur une stack moderne et code-centric (Snowflake, DBT, Airflow MWAA, AWS, Collibra, Elementary). Aujourd'hui, la qualité des données est assurée par des tests techniques (DBT tests, Elementary). L'enjeu de cette mission est de pallier le manque d'un framework structuré couvrant l'ensemble des dimensions de qualité, les besoins métiers et les fortes exigences d'audit. Le consultant devra notamment adresser deux recommandations d'audit : définir des KPIs centraux croisés sur l'ensemble des pays (JV) et évaluer/déployer un outil central de monitoring de la Data Quality. Objectifs & Phases du Projet La mission s'articule autour de la structuration d'un Data Quality Framework Cadrage et Définition : Récupération du framework historique, inventaire des pistes d'audit, définition des KPIs centraux cross-JV et évaluation de l'Open Data Contract Standard (ODCS). Structuration & Outils : Benchmark et recommandation d'outils DQ (Elementary, Snowflake DMF/Cortex, Dataiku, Great Expectations). Implémentation : Mise en place de data contracts sur 3 couches (Standard, Target, Business) et développement de contrôles métiers auditables. Industrialisation : Déploiement de tableaux de bord DQ cross-JV (Power BI), gestion structurée des rejets et implémentation de quality gates dans le CI/CD. Innovation & Transfert : Exploration de solutions IA pour la Data Quality (Snowflake Cortex, Dataiku), documentation complète et transfert de compétences aux équipes internes. Environnement Technique Le socle technique est orienté "code-centric". La solution DQ proposée devra s'aligner sur ce principe (Git, DBT, Airflow, CI/CD). Technologie Usage dans le cadre du projet Snowflake Data warehouse, métriques DQ, DMF (complément IA) DBT + Elementary Tests DQ, observabilité, détection d'anomalies Apache Airflow (MWAA) Orchestration, alerting, SLA AWS Ingestion multi-sources (S3, Glue, DMS, AppFlow) Collibra Gouvernance, catalogage des règles DQ Power BI Dashboards qualité (IT et métier) Git / CI-CD TeamCity, GitHub Actions, Quality gates Python Scripts, intégrations API Profil Recherché Nous recherchons un profil Senior (5 ans d'expérience minimum en Data Engineering / Data Quality) doté d'une forte vision architecturale et d'une rigueur liée aux contextes réglementaires. Compétences techniques exigées : Expertise : Data Quality (frameworks, dimensions DAMA, data contracts, scoring). Niveau Avancé : DBT (tests, macros, Elementary, dbt-expectations) et Snowflake (SQL avancé, monitoring, DMF). Niveau Confirmé : Apache Airflow (DAGs, sensors, SLA, alerting), Python, Git et CI/CD. Les petits plus (Nice-to-have) : Expérience pratique avec les Data Contracts (idéalement ODCS). Connaissance des solutions Snowflake Cortex Data Quality / DMF, ou d'outils comme Great Expectations / Soda. Connaissance de Collibra (module data quality). Expérience des exigences réglementaires bancaires (BCBS 239, DORA) et/ou environnement multi-pays.

Nous recherchons un Ingénieur DevOps Expert. La mission s'inscrit dans un contexte de modernisation des systèmes d'information B2B, avec des enjeux forts autour de la digitalisation des parcours de vente, des portails clients, des outils de pricing et de l'industrialisation des mises en production. Contexte de la missionVous rejoindrez une équipe en charge du développement, du déploiement et de la maintenance d'applications stratégiques à destination de la force de vente B2B. Votre rôle sera de concevoir, maintenir et faire évoluer des infrastructures fiables, scalables et sécurisées, tout en automatisant les processus de delivery via des pipelines CI/CD et des outils développés en Python. Vous travaillerez en collaboration avec les équipes de développement frontend/backend, les architectes et les équipes produit afin d'améliorer les pratiques DevOps, la qualité logicielle et la rapidité des mises en production. Missions principalesConcevoir, automatiser et maintenir des pipelines CI/CD. Développer et maintenir des scripts et outils d'automatisation en Python. Gérer la conteneurisation et l'orchestration des applications avec Kubernetes. Assurer la disponibilité, la sécurité et la performance des environnements de production. Mettre en œuvre des pratiques d'Infrastructure as Code avec Terraform et Helm. Participer à l'observabilité des applications : monitoring, logging, alerting. Accompagner les équipes de développement dans l'adoption des bonnes pratiques DevOps. Contribuer à l'amélioration continue des processus de delivery et de release management. Compétences obligatoires : Kubernetes : niveau avancé, 5 à 8 ans d'expérience. Azure : niveau avancé, 5 à 8 ans d'expérience. Python 3 : niveau avancé, 5 à 8 ans d'expérience. Anglais professionnel : parlé et écrit. CI/CD : GitHub Actions, Azure DevOps. Infrastructure as Code : Terraform, Helm. Informations missionClient : Energie Démarrage souhaité : 01/07/2026 Durée : 12 mois Renouvellement : 2 options d'un an possibles Rythme : Temps plein Type de prestation : Assistance technique / prestations intellectuelles applicatives Langue : Anglais professionnel requis

Objectif global :Piloter et industrialiser la stratégie de test de l'ensemble de la solution LYS Contrainte forte du projet Environnement complexe et dimension internationale Les livrables sont Stratégie de test documentée Framework d'automatisation (Playwright & Bruno) Dashboard dynamique de supervision de la Qualité Compétences techniques Playwright - Confirmé - Impératif Bruno - Confirmé - Impératif Postman - Confirmé - Impératif Github actions - Confirmé - Impératif Connaissances linguistiques Français Courant (Impératif) Anglais Professionnel (Secondaire) Description détaillée 🌟 MISSION En tant que Test Leader, vous intervenez en autonomie pour piloter la qualité. Votre rôle n'est pas seulement d'exécuter, mais de concevoir et de piloter la vision du test au sein de l'équipe. ● Stratégie et Vision : Concevoir, documenter et déployer une stratégie de tests globale et proactive, adaptée aux enjeux de haute disponibilité de nos applications. ● Garant de la Qualité : Garantir la conformité des applications vis-à-vis des standards d'excellence du Groupe ADEO. ● Intervenir dès la phase de conception des User Stories pour s'assurer que les critères d'acceptation sont testables et que les cas non passants sont anticipés. ● Adopter une approche de "Bug Hunter" en cherchant activement les régressions et en challengeant les choix techniques de l'équipe pour garantir la robustesse du code. ● Automatisation : Développer et maintenir des programmes et scripts de tests automatisés (UI, API, Performance). ● Exécution et Suivi : Réaliser des campagnes de tests régulières (ou à la demande) sur l'ensemble des produits du périmètre. ● Sécurité par le Test : Intégrer des vérifications de sécurité au sein des suites de tests (tests d'authentification, injection, gestion des droits) pour identifier les failles potentielles avant la mise en production. ● Pilotage par la donnée : Définir, mesurer et animer les KPIs de qualité pour piloter l'activité et éclairer les prises de décision. ● Reporting Stratégique : Produire des tableaux de bord automatisés offrant une visibilité en temps réel sur la santé des applications et la couverture de tests. ● Gestion des Anomalies : Identifier, analyser et remonter les bugs de manière proactive pour minimiser l'impact métier. ● Amélioration Continue : Analyser les processus de qualité actuels et proposer des feedbacks constructifs pour optimiser le cycle de vie du logiciel. ● Collaboration Agile : Communiquer des retours précis et actionnables aux équipes de développement. 🌟 Expertise en Automatisation & QA ● Maîtrise des Frameworks : Expérience solide sur Playwright. ● Tests d'APIs : Expertise indispensable sur Postman / Bruno ● CI/CD Integration : Capacité à intégrer les tests automatisés dans les pipelines (GitHub Actions). ● Tirs de performances: capacité à vérifier la robustesse de nos applications. ● Sécurité : Capacité à automatiser des tests de sécurité basiques (fuzzing, validation des headers de sécurité, gestion des tokens). ● Gestion de données de test : Savoir concevoir des jeux de données pertinents pour des environnements multi-enseignes. ● Maîtrise des outils de reporting : Capacité à construire des dashboards via des outils comme Xray, Jira, Grafana ou Looker Studio pour monitorer la stabilité du RUN et la qualité du build. 🌟 Innovation & Intelligence Artificielle ● S'intéresser activement aux apports de l'IA pour la QA : veille technologique, prototypage et industrialisation d'outils basés sur des LLMs et ML pour améliorer productivité et qualité. 🌟 SOFT SKILLS ● Leadership & Autonomie : Vous êtes capable de prendre des décisions structurantes sans supervision constante et d'embarquer l'équipe vers l'excellence. ● Proactivité : Vous n'attendez pas les consignes pour identifier des risques potentiels ou proposer des optimisations techniques. ● Polyvalence : capacité à interagir avec des profils variés (PO, Dev, Data…) ● Recherche d'Excellence : Rigueur dans le delivery et volonté constante d'améliorer la robustesse des applications. ● Pédagogie : Capacité à vulgariser les enjeux de la qualité auprès des Product Owners et des développeurs. Code profil FR-4.02.3 - Lead Test-E Définition du profil NIVEAU Expert SA MISSION : Il définit, organise et conduit les projets de tests en vue d'un objectif de qualité. Ses activités principales : - Etablir ou réviser une stratégie de tests pour le projet - Estimer les charges et planifier les tests - Conduire un projet de test - Gérer le budget et le planning - Suivre et contrôler l'implémentation et le déroulement des tests - Organiser et effectuer les revues de projet et déterminer si les objectifs ont été atteints - Évaluer et améliorer les processus - Evaluer la qualité du produit et clôturer l'opération de tests - Effectuer un bilan de capitalisation - Manager l'équipe de tests en respectant les engagements (coût, délais, qualité) - Coordonner les relations avec les différents intervenants Il peut également être amené à : - Qualifier ou homologuer des logiciels - Participer à des projets techniques - Accompagner la conduite du changement

Date de démarrage : ASAP Date de fin : 31/10/2026 Localisation : Paris Tarif Journalier Moyen (TJM) Max : 660 € Descriptif de la MissionAu sein des équipes Data, vous interviendrez sur la conception, le développement, la gouvernance et l'optimisation de nos plateformes de données. Vos activités principales s'articuleront autour de quatre grands piliers : 1. Développement & Architecture DataConcevoir et développer des pipelines de données robustes et scalables sur Databricks (PySpark, Spark SQL, Delta Live Tables). Mettre en place des architectures Lakehouse basées sur Delta Lake. Industrialiser et orchestrer les workflows ETL/ELT à l'aide de Databricks Workflows. 2. Gestion et Administration de la Plateforme DatabricksAdministrer l'espace de travail (gestion des workspaces, configuration des clusters, gestion des permissions). Assurer l'optimisation des coûts (finops) via la configuration fine, l'autoscaling et le monitoring des clusters. Implémenter et faire respecter les bonnes pratiques de sécurité (Unity Catalog, gestion des accès, lineage de la donnée). 3. Gouvernance & Qualité des DonnéesMettre en place des mécanismes stricts de qualité et de validation des données (expectations, tests automatisés). Documenter rigoureusement les modèles et les flux sur la plateforme. Garantir la fiabilité, la cohérence et la fraîcheur des données mises à disposition. 4. Collaboration & SupportCollaborer étroitement avec les Data Analysts, Data Scientists et les équipes métiers. Accompagner et former les utilisateurs clés dans l'adoption et la prise en main de l'écosystème Databricks. Participer activement aux revues de code, à la standardisation et au partage des bonnes pratiques d'ingénierie. Compétences RequisesTechniques (Incontournables) :Développement : Excellente maîtrise de PySpark ou Spark SQL. Écosystème : Forte expérience pratique avec Databricks (pipelines, clusters, notebooks, Unity Catalog). Architecture : Solides connaissances des architectures Lakehouse, du data modeling, des concepts ETL/ELT et des stratégies d'ingestion (batch & streaming). Cloud : Connaissance approfondie d'au moins un des principaux fournisseurs cloud (Azure, AWS ou GCP). DevOps : Maîtrise de Git et des pratiques de CI/CD (Azure DevOps, GitHub Actions, etc.). Souhaitées (Un plus) :Connaissances en MLflow, orchestration de modèles et pratiques MLOps. Notions avancées en DataOps, cost optimization (FinOps) et outils de monitoring. Expérience dans l'exploitation d'APIs et l'ingestion de données en temps réel (ex: Kafka).