Trouvez votre prochaine offre d’emploi ou de mission freelance Nexus

Dans le secteur des services, au sein d'une direction en charge des projets Data et Intelligence Artificielle, vous intervenez en tant que Tech Lead Data Cloud afin d'accompagner les équipes de développement sur des programmes stratégiques liés aux domaines immobilier et véhicule. Vous participez à la conception des solutions Data conformément à l'architecture définie et prenez en charge l'analyse ainsi que l'instruction des sujets techniques complexes. Vous accompagnez les équipes dans leur montée en compétence et veillez à l'application des standards de développement et de qualité. Vos responsabilités incluent notamment : Contribuer à la conception et à l'évolution des solutions Data Cloud. Accompagner et encadrer les équipes de développement. Réaliser des développements en Python, Spark et PySpark. Garantir la qualité du delivery et la cohérence des versions déployées en production. Veiller au respect des bonnes pratiques FinOps et à l'optimisation de l'usage des ressources Cloud. Participer aux activités de support N3 et à la résolution des incidents complexes. Produire et maintenir la documentation technique. Rédiger les spécifications techniques et fonctionnelles détaillées. Assurer la modélisation des données. Réaliser les tests unitaires et veiller à leur couverture. Maintenir à jour le suivi des travaux et des tickets. Environnement technique : Microsoft Azure Azure Databricks Azure Data Factory Spark / PySpark Python SQL GitLab Nexus Terraform Jira Confluence

DevOps Kubernetes AWSParticiper à l'administration et à l'évolution des clusters Kubernetes. Contribuer à l'automatisation des infrastructures via Terraform et Ansible. Mettre en œuvre les bonnes pratiques de sécurité, de supervision et de gestion des secrets (Vault, IAM, RBAC). Collaborer avec les équipes internes pour intégrer les standards IaC dans les workflows CI/CD. Participer à la fiabilisation et à la scalabilité des services de l'Usine Logicielle. 🛠️ Compétences techniques requises : Kubernetes (2 à 5 ans d'expérience) : administration, déploiement, gestion des certificats, RBAC, Helm, monitoring (Prometheus/Grafana). Infrastructure as Code : maîtrise de Terraform (modules, workspaces, state management) et Ansible (rôles, playbooks, intégration avec GitLab CI). GitLab CI/CD : intégration avec les outils IaC, gestion des runners, pipelines avancés. Cloud (AWS) : bonne compréhension des services IaaS/PaaS, gestion des identités (IAM), sécurité, networking. Sécurité & Observabilité : gestion des secrets (Vault), supervision, alerting, audit. Connaissances en containerisation (Docker) et en gestion d'artefacts (Artifactory, Nexus) appréciées Goals and deliverables Capacité à travailler en équipe, à partager les bonnes pratiques et à documenter les solutions mises en œuvre. Autonomie, rigueur et sens du service. Une expérience dans un environnement agile ou SAFe est un plus. Expected skillsSkillsSkill level AWS Expert Docker Kubernetes Expert

Mise à disposition de pipelines et de templates CI/CD standardisés. Fourniture d'agents Kubernetes et d'environnements de build intégrant les outils et versions nécessaires. Accompagnement des développeurs dans l'onboarding et le déploiement de leurs applications. Création de « golden paths » permettant aux équipes de déployer leurs applications sans avoir à connaître toute la complexité de l'infrastructure. Mise à disposition d'une plateforme de génération d'images Docker. Création et maintenance d'un catalogue d'images Docker de base sécurisées : Java, Tomcat, WebLogic, outils de build Helm, etc. Gestion du cycle de vie des images, de leur mise à jour, de leur signature et de leur conformité aux standards de sécurité. Intégration de contrôles DevSecOps dans les pipelines : analyse de code, analyse des dépendances, scan des images Docker et détection des vulnérabilités. Mise en place de règles bloquantes selon la criticité des vulnérabilités détectées. Utilisation d'Argo CD et des principes GitOps pour les déploiements sur Kubernetes. Gestion des droits d'accès, de l'authentification et de la ségrégation entre les environnements de développement, de recette et de production. Industrialisation de cas d'usage liés à l'intelligence artificielle, notamment pour la revue de code et la remédiation de vulnérabilités. Déploiement et onboarding de solutions IA, de serveurs MCP et d'applications développées par les équipes Engineering. L'environnement technique présenté comprend notamment Jenkins, Bitbucket, Artifactory, SonarQube, Fortify, Nexus IQ, Aqua Security, Kubernetes, Docker, Argo CD, Ansible, Python et Go.