Trouvez votre prochaine mission ou futur job IT.

Entité : Client TJM Max : 500 euros Date de démarrage : ASAP Date de fin : 31/03/2027 Mission : Gouvernance Data & usages Animation de l'organisation Data fédérée de multiples Districts métiers Acculturation Formation Dictionnarisation Qualité de données Le Global Data Office (GDO) est l'équipe centrale Data pour le client au sein de la Direction Data Stratégie, gouvernance, management. Contribuer à la construction de la stratégie Data de la Banque et sa trajectoire de mise en œuvre architecture Data Centric Acculturer et Former les collaborateurs métiers et IT dans une culture data-driven Constituer un « Book de cas d'usages Data et IA permettant d'illustrer la valeur dégagée pour l'entreprise Orchestrer le partage et le référencement de la donnée (Golden source, Data Market Place), Organiser les échanges entre producteurs et consommateurs de données, et préparer les arbitrages nécessaires Construire et proposer, avec les parties prenantes, un catalogue de solution à la pointe de l'innovation (Data visualisation, Data Management, Data Quality, Analytics et IA) Prendre en charge les reporting et préparation des comités Opérationnels et Stratégiques Support au projet BCBS de la banque Une expérience bancaire avérée est appréciable Expérience de gouvernance des données en environnement bancaire réglementaire : BCBS 239/RDARR, CDE, lineage réglementaire, remédiation d'audit Pratique réelle de Collibra (metamodel, asset types, operating model), idéalement en contexte CIB Capacité à produire des livrables normatifs : avis data, cadres de gouvernance, spécifications fonctionnelles

Missions : Collaborer avec les équipes métiers et IT pour cadrer les besoins : o Auditer l'existant (Excel, PDF) pour éliminer les doublons et écarts méthodologiques. o Animer des ateliers avec les Risques et l'IT pour standardiser les KPIs (VaR, Sensibilités/Grecs, P&L, Stress Tests). o Cartographier les sources de données (bases Risques, systèmes FO, fichiers plats). Concevoir et optimiser les modèles de données dans Power BI : o Modéliser les données en étoile (Star Schema) : tables de faits (Risques/PnL) et de dimensions (Business Lines, Books). o Développer des formules DAX complexes et standardisées pour garantir l'exactitude des calculs. o Rédiger des requêtes performantes pour extraire et charger de larges volumes de données sans surcharger les serveurs. o Optimiser les modèles sémantiques inter-équipes. Développer les tableaux de bord et adapter l'UX/UI pour le Senior Management et Global Market : o Respecter une charte graphique épurée et professionnelle (standards CIB) : modéliser un standard. o Vue Executive Senior Management : Un "One-Pager" synthétique (P&L global, VaR groupe, alertes de dépassement). o Vue Opérationnelle (Global Market) : Des visuels interactifs filtrables par Desk/Book avec fonction "Drill-down". o Respecter une charte graphique épurée et professionnelle (standards CIB). Assurer la sécurité, la gouvernance et la documentation : o Implémenter la sécurité dynamique (Row-Level Security - RLS) pour restreindre les accès selon le profil utilisateur( Vue Management vs vue Desk). o Configurer l'architecture de publication sur Power BI Service (Workspaces de Dev/Test/Prod). o Rédiger la documentation technique (dictionnaire des KPI, schéma du modèle, guide de maintenance). Recette, Former, accompagner et assurer le transfert de compétences : o Former les utilisateurs dans la prise en main et la reprise des rapports créés. o Recette fonctionnelle (UAT) : Concevoir, réaliser et documenter l'ensemble des tests afin de s'assurer que les données du Dashboard Power BI sont strictement identiques aux données officielles validées par les équipes Risques.

Profil: Ingénieurie Data expérimenté pour concepion, 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. - Expertise Python en contexte professionnel et en production - Maîtrise des paradigmes avancés : décorateurs, générateurs, context managers, métaclasses, typage statique avec mypy - Conception de packages Python structurés et réutilisables, gestion de dépendances - Écriture de tests robustes : pytest, mocking, fixtures, tests paramétrés, couverture de code - Développement de clients Kafka en Python (confluent-kafka, kafka-python) : producteurs, consommateurs, gestion des offsets et des erreurs - Expérience avec les clients Elasticsearch en Python (elasticsearch-py) pour l'indexation et la recherche - Développement d'opérateurs et de hooks Airflow custom en Python - Manipulation de données avec pandas et PyArrow pour les formats colonnaires (Parquet, ORC) - Maîtrise des outils de qualité de code : black, ruff, pylint, pre-commit - Bonne connaissance de la programmation asynchrone (asyncio, aiohttp) pour les pipelines I/O-bound - Maitrise kubernetes et CI/CD (gitops, etc )

Dans le cadre du renforcement de son équipe Data, un acteur majeur du secteur des transports recherche deux Analytics Engineers confirmés/seniors afin d'accompagner le développement et la valorisation de sa plateforme Data. Vous rejoindrez une équipe pluridisciplinaire intervenant sur l'ensemble de la chaîne de valeur de la donnée : collecte, transformation, modélisation, restitution et gouvernance. Les projets concernent de nombreux domaines métiers (finance, RH, maintenance, exploitation, patrimoine, etc.) et s'appuient sur une plateforme Data moderne hébergeant plusieurs dizaines de téraoctets de données. Au sein de l'équipe Data, vous serez amené(e) à : Comprendre les besoins métiers et les traduire en solutions analytiques. Identifier, intégrer et transformer des données issues de sources multiples. Concevoir et maintenir des modèles de données adaptés aux usages métiers. Développer et industrialiser des pipelines de données performants. Concevoir des tableaux de bord décisionnels sous Power BI. Développer des applications Power Apps intégrées aux processus métiers. Garantir la qualité, la documentation et la traçabilité des développements. Collaborer étroitement avec les équipes Data, Infrastructure et les interlocuteurs métiers.

Data Engineer GCP / BigQuery Secteur : Aéronautique & Transport aérien Localisation : Toulouse — 3j/semaine sur site, 2j télétravail Démarrage : ASAP Durée : Jusqu'au 31/12/2026, renouvelable TJM : Jusqu'à 440 €/j Contexte Notre client, acteur majeur de l'aéronautique et du transport aérien, renforce son équipe Data. Dans le cadre d'un programme de modernisation de sa plateforme de données, nous recherchons un Data Engineer Senior spécialisé GCP/BigQuery. Missions Optimisation du code et des repositories GIT (qualité, structure, bonnes pratiques) Optimisation des performances BigQuery (requêtes, modèles, coûts) Mise en place et amélioration des pipelines CI/CD

ContexteDans le cadre de l'exploitation et de l'évolution de sa plateforme Digital Workplace, notre client recherche un Ingénieur / Administrateur Microsoft 365 expérimenté afin d'assurer l'administration, le support et les projets de migration de son environnement Microsoft 365. Le consultant interviendra notamment sur des projets de migration de tenant Microsoft 365, d'administration de la plateforme collaborative et d'amélioration continue des services Digital Workplace. Vos missionsAdministration Microsoft 365Administrer l'environnement Microsoft 365 Gérer Exchange Online Administrer SharePoint Online Administrer Microsoft Teams Gérer OneDrive for Business Administrer Microsoft Entra ID (Azure AD) Administrer la Power Platform Gérer les utilisateurs, groupes et permissions Administrer les licences Microsoft 365 Assurer la sécurité, la conformité et la gouvernance du tenant Migration Microsoft 365Réaliser les audits et analyses de pré-migration Piloter des migrations tenant vers tenant Mettre en œuvre les migrations via ShareGate et/ou BitTitan Déployer la Cross Tenant Synchronisation Contrôler la qualité et l'intégrité des données migrées AutomatisationDévelopper et maintenir des scripts PowerShell Automatiser les tâches d'administration Industrialiser les opérations récurrentes Support & ExploitationDiagnostiquer et résoudre les incidents Microsoft 365 Escalader les incidents lorsque nécessaire Assurer le suivi jusqu'à leur résolution Garantir le respect des engagements de qualité de service Amélioration continueDocumenter les procédures techniques Enrichir la base de connaissances Participer aux recettes applicatives Contribuer à l'amélioration des processus d'exploitation Profil recherchéMinimum 5 ans d'expérience sur Microsoft 365 Solide expérience en administration d'un tenant Microsoft 365 Expérience significative des migrations tenant-to-tenant Très bonne maîtrise des environnements Digital Workplace Capacité à travailler dans un environnement international Compétences techniques obligatoiresMicrosoft 365Microsoft 365 Exchange Online SharePoint Online Microsoft Teams OneDrive for Business Microsoft Entra ID (Azure Active Directory) Power Platform MigrationShareGate BitTitan Cross Tenant Synchronisation ScriptingPowerShell (niveau confirmé) AdministrationGestion des utilisateurs Gestion des groupes Administration des licences Sécurité Microsoft 365 Conformité Microsoft 365 Compétences appréciéesAzure Documentation technique Support N2/N3 ITSM (ServiceNow, Jira ou équivalent) LanguesAnglais courant (C1 minimum) – Obligatoire

Bonjour à tous 😀 Contexte : Dans le cadre de l'évolution d'une plateforme Data stratégique de l'un de nos clients, nous recherchons un Architecte Solution Databricks / Tech Lead afin d'accompagner les équipes dans la conception, l'industrialisation et la gouvernance des solutions Data. L'environnement est fortement orienté plateforme Data, avec des enjeux de : conformité réglementaire et sécurité des données ; gouvernance et intégration des données à l'échelle du groupe ; industrialisation des pipelines Data ; Le consultant jouera un rôle de référent technique Databricks auprès des équipes de développement et des métiers. Vos missions : Vous interviendrez notamment sur : Concevoir l'architecture technique des solutions Databricks Accompagner les équipes de développement sur les bonnes pratiques Développer et industrialiser des pipelines Data batch et temps réel Participer aux choix techniques et aux études d'architecture Réaliser des audits techniques et analyses de risques Produire la documentation d'architecture (DAT, dossiers techniques...) Accompagner les PoC Participer aux cérémonies Agile Être le référent technique Databricks de la plateforme Les livrables : Développements Scripts techniques DAT Documents de cadrage Reporting Estimations techniques Analyses de risques Audits Supports de PoC Cahiers de tests Procédures d'installation Documentation d'exploitation Rapport de fin de mission Profil recherché : MUST HAVE : Expérience : 6 ans minimum en Data Engineering / Architecture Data Expérience significative en environnement DSI Au moins 2 ans au sein d'équipes Agile Scrum Expertise technique : Databricks (5 ans minimum) Spark / Scala Développement de pipelines batch et streaming Certification officielle Databricks Terraform Jenkins ou Docker ou Kubernetes Gouvernance Data RGPD Connaissances appréciées : AWS Power BI GitLab CI Okta Jira Confluence Soft Skills : Excellent relationnel Leadership technique Forte capacité rédactionnelle Organisation Gestion de plusieurs sujets en parallèle Animation de réunions techniques Capacité à intervenir lors des Go/NoGo Les + : Databricks sur AWS Data Mesh Animation de formations Databricks Coaching technique Audit d'architecture Accompagnement d'équipes de développement Environnement technique : Databricks Spark Scala AWS Terraform Jenkins Docker Kubernetes GitLab CI Power BI Jira Confluence Okta

Nous recherchons un(e) Data Scientist pour renforcer une équipe spécialisée en Data Science / Recherche Opérationnelle, sur des sujets de prédiction et de modélisation. Missions : Développer et améliorer des modèles de prédiction Travailler sur des problématiques de Machine Learning et Time Series Réaliser des analyses et modélisations statistiques Participer ponctuellement à des projets exploratoires Stack : Python, Machine Learning, Time Series, Spark, Git Compétences appréciées : GCP / BigQuery, statistiques bayésiennes, prévision et optimisation de la demande, REST, Unix/Linux, Terraform, GitHub Actions

Lieu : Brest (29) Salaire : 42 à 45 K€ brut annuel + 13ᵉ mois Rythme : 1 jour de télétravail par semaine (après période d'intégration) Nous recherchons pour notre client un Développeur BI SAP BusinessObjects H/F, dans le cadre d'un recrutement en CDI. VOS MISSIONS : Au sein de la DSI, vous rejoignez le pôle Data & Interopérabilité, composé de 3 personnes. En lien étroit avec les équipes métiers et IT, vous serez le référent sur les sujets liés à SAP BusinessObjects et contribuerez à l'évolution de la plateforme décisionnelle. Business Intelligence – SAP BusinessObjects - Assurer la maintenance évolutive des univers SAP BO et des flux d'alimentation associés - Participer à la refonte, l'optimisation et l'évolution des univers existants - Accompagner la migration des univers UDT vers IDT - Créer de nouveaux univers en fonction des besoins métiers - Mettre en place et exploiter des contrôles de cohérence et de qualité des données - Accompagner les utilisateurs dans la conception et l'utilisation des rapports - Participer à l'analyse des besoins et à l'amélioration continue de la plateforme décisionnelle - Documenter les univers, les modèles de données et les flux associés Data & Intégration (optionnel) Selon vos compétences et vos appétences, vous pourrez également intervenir sur : - La conception et la maintenance de flux d'intégration de données - L'optimisation et le suivi des traitements ETL - Des projets d'évolution autour des outils d'intégration et de la gouvernance des données - Des travaux de reporting et de visualisation de données Environnement technique : SAP BusinessObjects, SQL, Univers UDT / IDT, Power BI, Talend Open Studio, Talend Data Fabric Cloud.

Au sein d'une équipe dédiée à l'expérience utilisateur et à l'amélioration des services IT, tu contribues à faire évoluer les pratiques, les outils et les processus afin d'améliorer la qualité de service et la satisfaction des utilisateurs. À la croisée des rôles de Product Owner, Data Analyst et facilitateur, tu pilotes une démarche d'amélioration continue en t'appuyant sur les données, les retours utilisateurs et les méthodes Agile et Lean. Tes missions principales : Pilotage ProduitPorter la vision produit d'un périmètre dédié à la qualité de service et à l'expérience utilisateur Construire, alimenter et prioriser le backlog d'amélioration continue Animer les rituels Agile : sprint planning, backlog refinement, reviews et rétrospectives Coordonner les différents acteurs : équipes IT, métiers, support et ingénierie Arbitrer les priorités en fonction de la valeur apportée aux utilisateurs Garantir la livraison des évolutions et mesurer leur efficacité Qualité & amélioration continueDéfinir et suivre les indicateurs de qualité de service et de satisfaction utilisateur Identifier les irritants et proposer des plans d'amélioration Piloter les actions d'amélioration continue en s'appuyant sur les principes du Lean Management Présenter les analyses, résultats et plans d'actions lors des instances de pilotage Accompagner les équipes dans l'amélioration des processus et des pratiques Data Analyse & reportingExploiter les données issues des outils de reporting afin d'identifier les tendances et axes de progrès Analyser les incidents, les usages et les parcours utilisateurs Détecter les signaux faibles et anticiper les problématiques récurrentes Concevoir des tableaux de bord et des visualisations facilitant la prise de décision Produire des analyses orientées qualité, performance et expérience utilisateur

Nous recherchons un(e) PMO Data Senior pour accompagner un programme de transformation Data à grande échelle au sein d'un grand groupe. Vous interviendrez sur le pilotage de la trajectoire Data, en coordination avec les équipes Gouvernance Data, Architecture Data et les équipes de delivery. Vos principales missions : Piloter la roadmap et les plannings des projets Data. Coordonner les différents acteurs (Data Partners, Architectes Data, équipes projets). Suivre les dépendances, les risques, les coûts et les engagements. Produire les reportings et synthèses pour le management. Garantir la cohérence des trajectoires Data entre les différents domaines. Accompagner les équipes dans un environnement Agile/SAFe.

ContexteUne grande entreprise du secteur ferroviaire souhaite renforcer ses capacités en Analytics Engineering au sein du domaine Client Data. Ce domaine vise à construire des data products cœur permettant d'enrichir la connaissance client, en valorisant les données issues de différentes sources : parcours digitaux, données transactionnelles, CRM et usages des services digitaux. L'objectif est de permettre une meilleure compréhension des comportements, des usages et des parcours utilisateurs, mais aussi d'améliorer la communication avec les clients en affinant leur segmentation et leur ciblage. Dans ce cadre, cette entreprise recherche une prestation en Analytics Engineering afin de cadrer, structurer, fiabiliser et valoriser ces données au service des data products Client Data et des équipes métiers. Le prestataire interviendra comme référent technico-fonctionnel data du périmètre : au carrefour des enjeux métier, produit et techniques, il devra apporter une lecture experte des données disponibles, de leur qualité, de leurs limites et de leur potentiel d'usage. MissionsObjectifs de la prestation Structurer des datasets orientés connaissance client, vision client unifiée et parcours utilisateurs. Contribuer à la construction et à l'amélioration continue des data products Client Data. Garantir la fiabilité, la cohérence, la traçabilité et la réutilisabilité des données produites. Challenger les besoins métier et produit afin de proposer des solutions data robustes, réalistes et exploitables. Sécuriser la cohérence fonctionnelle et technique des KPI clés liés à la connaissance client et aux parcours. Faciliter l'usage de la donnée par les équipes métiers : produit, marketing, CRM et pilotage de la performance. Participer à l'industrialisation et à la standardisation des pratiques analytics. Périmètre de la mission et interactions Le prestataire interviendra en collaboration avec les acteurs suivants : Product Manager Data Product Owner Data / Product Owners Client, Marketing ou Digitaux selon les cas d'usage Data Engineers Data Analysts Équipes métiers : marketing, CRM, produit digital, pilotage commercial Data Domain Owners et équipes de gouvernance Activités attendues 3.1. Cadrage et définition des data products Client Accompagner la qualification des besoins et des cas d'usage liés à la connaissance client, aux parcours utilisateurs, à la segmentation et aux usages digitaux. Analyser les données disponibles, leurs limites, leur qualité et leur potentiel d'usage afin d'orienter la définition du produit data. Challenger les besoins métier et produit pour proposer des solutions data robustes, réalistes, maintenables et réutilisables. Définir, formaliser et faire valider les KPI client, parcours ou usages, en garantissant leur cohérence fonctionnelle et technique. 3.2. Ownership des modèles de données analytiques Client Concevoir, faire évoluer et maintenir des modèles de données analytiques cœur du périmètre Client Data. Croiser des sources multiples : transactions, parcours digitaux, CRM, données d'usage et référentiels client. Transformer les données brutes ou intermédiaires en datasets fiabilisés, exploitables et réutilisables par plusieurs équipes ou cas d'usage. Garantir la cohérence des règles métier, du naming, de la documentation et des conventions de modélisation. 3.3. Qualité, validation et fiabilité des données Définir les contrôles de qualité attendus sur les datasets cœur : cohérence, complétude, fraîcheur, stabilité des métriques, intégrité et conformité des règles métier. Valider, avec le Product Owner et les parties prenantes concernées, les données livrées par les Data Engineers avant leur mise à disposition produit. Identifier, investiguer et contribuer à la correction des anomalies data, en recherchant les causes racines. Contribuer au monitoring de la donnée et proposer des actions correctives ou préventives adaptées. 3.4. Collaboration technico-fonctionnelle avec les Data Engineers Traduire les besoins produit complexes en exigences data exploitables par les Data Engineers. Challenger les choix de structuration des pipelines lorsqu'ils ont un impact sur la qualité, la maintenabilité ou la réutilisabilité des données. Contribuer aux décisions de structuration entre modèle source, modèle intermédiaire et modèle exposé au métier. Sécuriser l'alignement entre besoin métier, conception data et données effectivement livrées. 3.5. Gouvernance, documentation et lineage Porter la documentation des modèles, règles métier, KPI et datasets exposés aux équipes métier. Collaborer avec les Data Domain Owners et les équipes Gouvernance sur la qualité, le lineage, la qualification et la lisibilité des données. Préparer l'intégration des datasets au Data Catalog en garantissant leur traçabilité et leur niveau de confiance. Contribuer à l'amélioration continue des standards de documentation et de gouvernance sur le périmètre Client Data. 3.6. Structuration des pratiques analytics Standardiser les pratiques SQL / dbt au sein du périmètre concerné. Définir et appliquer des conventions de modélisation, de tests, de documentation et de nommage. Partager les standards et bonnes pratiques au-delà du produit lorsque cela est pertinent. Participer à la montée en compétence des équipes internes sur les pratiques analytics engineering.

Dans le cadre du développement de projets Data et Intelligence Artificielle à fort impact, un acteur majeur de la grande distribution recherche un Data Scientist pour renforcer son équipe, en banlieue de Lille. Vous interviendrez sur l'ensemble du cycle de vie des solutions IA, depuis l'identification du besoin métier jusqu'à leur mise en production et leur maintenance. Vos principales missions seront les suivantes : Collaborer avec les équipes métier afin d'identifier et de formaliser des cas d'usage Data et IA Définir les objectifs, les indicateurs de performance et les livrables associés Explorer et préparer les données, sélectionner les jeux de données pertinents et réaliser le feature engineering Concevoir, développer et entraîner des modèles de Machine Learning et d'IA générative Mettre en œuvre des approches basées sur les LLM, les embeddings, le RAG ou le fine-tuning Évaluer la pertinence, la robustesse et la performance des modèles Industrialiser les modèles et développer les API nécessaires à leur exposition Intégrer les solutions dans des applications web ou des systèmes backend existants Automatiser le déploiement, le monitoring et la maintenance des modèles selon les bonnes pratiques MLOps Suivre les performances en production, détecter les dérives et organiser les réentraînements Produire les supports de présentation, les spécifications techniques et la documentation fonctionnelle Collaborer avec les Product Owners, Data Engineers et AI Engineers

ContexteDans le cadre de l'accélération de sa transformation Data et Digitale, notre client souhaite renforcer son organisation en recrutant un Head of Data Platform H/F capable de définir, piloter et industrialiser la plateforme Data Groupe. La plateforme vise à fournir un environnement mutualisé, sécurisé, gouverné et scalable permettant aux différentes entités métiers de développer et d'exploiter efficacement : Des Data Products ; Des solutions de reporting et de Business Intelligence ; Des cas d'usage analytiques avancés ; Des solutions d'Intelligence Artificielle. Le candidat évoluera au sein de l'écosystème Data & Digital Services et collaborera étroitement avec les équipes IT, Architecture, Cybersécurité et les directions métiers. MissionLe Head of Data Platform est responsable de la stratégie, de l'architecture, de la gouvernance et de l'exploitation de la plateforme Data Groupe. Il garantit l'alignement entre les besoins métiers, les objectifs stratégiques de l'entreprise et les capacités technologiques de la plateforme. Il agit comme un véritable propriétaire de produit (« Platform as a Product ») en pilotant l'évolution, l'adoption et la création de valeur de la plateforme Data. Responsabilités principales1. Définition de la stratégie Data PlatformVision et roadmapDéfinir la vision cible de la plateforme Data Groupe. Construire et maintenir la roadmap stratégique pluriannuelle. Définir les priorités d'investissement et d'évolution technique. Aligner la stratégie Data Platform avec la stratégie d'entreprise. Operating ModelConcevoir et mettre en place une organisation orientée produit. Structurer le modèle : Core Platform Data Domains Data Products Value Streams Pilotage de la performanceDéfinir et suivre les indicateurs clés : Adoption de la plateforme Qualité de service Disponibilité Performance Satisfaction utilisateurs Coûts d'exploitation ROI des investissements Data 2. Pilotage opérationnel de la plateformeRun & OperationsGarantir la disponibilité et la résilience de la plateforme. Superviser les activités d'exploitation. Assurer le suivi des incidents majeurs. Piloter les plans d'amélioration continue. Performance & ScalabilitéAssurer la montée en charge de la plateforme. Anticiper les besoins futurs. Optimiser les performances des traitements et des requêtes. FinOpsMettre en œuvre une gouvernance des coûts Cloud. Optimiser les usages Snowflake. Maîtriser les dépenses Power BI. Définir des modèles de refacturation ou de consommation. 3. Architecture et industrialisationArchitecture DataDéfinir les standards d'architecture Data Groupe. Garantir la cohérence des solutions mises en œuvre. Participer aux comités d'architecture. IndustrialisationPiloter la mise en place de : Pipelines Batch Pipelines Streaming Frameworks de développement réutilisables Automatisation des déploiements Modern Data StackContribuer aux choix et à l'industrialisation autour de : Snowflake Azure DBT Spark Power BI APIs InnovationAccompagner l'intégration : Des Data Products De l'IA Générative Du Machine Learning Des services analytiques avancés 4. Gouvernance et Data ProductsGouvernance DataDéfinir le modèle de gouvernance de la plateforme. Définir les rôles et responsabilités. Structurer les processus de gouvernance. Data ProductsAccompagner les domaines métiers dans la création de Data Products. Définir les contrats de données. Organiser le cycle de vie des produits Data. Qualité des donnéesMettre en place les standards de qualité. Définir les indicateurs de qualité. Garantir la traçabilité et la conformité des données. 5. Développement du self-service DataEnablement des équipesFournir des services mutualisés. Développer des accélérateurs et composants réutilisables. Simplifier l'exploitation de la plateforme. AdoptionFavoriser l'autonomie des équipes Data. Accompagner les utilisateurs métiers. Développer une culture Data à l'échelle du Groupe. 6. Management et leadershipManagement d'équipesEncadrer les équipes Data Platform. Accompagner la montée en compétences. Développer une culture d'excellence opérationnelle. Gestion des partenairesPiloter les fournisseurs et intégrateurs. Superviser les prestations externes. Garantir la qualité des livrables. Coordination transverseInteragir avec : Data Office Directions métiers IT Infrastructure Architecture Groupe Sécurité Risques et Conformité 7. Sécurité et conformitéSécuritéMettre en œuvre : IAM RBAC RLS Data Masking Chiffrement Audits et contrôles d'accès RéglementationGarantir la conformité avec : RGPD DORA Politiques Groupe Exigences d'audit interne Environnement techniqueCloudSnowflake Microsoft Azure Power BI Cloud On-premiseIBM Cognos IBM TM1 Power BI Report Server Technologies DataDBT Spark API Management Data Catalog Data Marketplace Streaming et Batch Processing MéthodologiesData Product Management Platform Engineering DevOps FinOps Agile / Product Operating Model

TEKsystems recherche pour l'un de ses clients grand compte un(e) Data ingénieur (H/F) Les tâches : Établir et sécuriser des connexions techniques robustes et évolutives avec les systèmes sources Corporate identifiés (ERP, Plateformes Financières, RH, ITSM etc.). Extraire et charger les données des domaines fonctionnels Corporate clés : finance, ressources humaines, référentiels, achats, etc. Concevoir et implémenter des pipelines d'ingestion automatisés fiables et performants, garantissant l'intégrité et la fraîcheur des données. Structurer et modéliser les données dans un entrepôt de données (Data Warehouse Snowflake) de manière logique, modulaire, réutilisable et optimisée pour l'analyse et la restitution. Mettre en place des mécanismes de gouvernance des données : gestion des métadonnées, logiques de rafraîchissement, suivi de la qualité des données et gestion des erreurs. Développer des vues et agrégats de données spécifiques aux besoins de restitution et d'analyse des différents départements Corporate. Documenter de manière exhaustive les pipelines d'ingestion, les modèles de données (logique et physique), les règles de transformation et les points de reprise pour assurer la maintenabilité et la transférabilité. Environnement technique Sources : Multiples systèmes Corporate (Systèmes Financiers, Plateformes Achats, Outils ITSM. - via APIs, exports ou connecteurs natifs). Destination : Snowflake(Data Warehouse Cloud). Orchestration : Airflow. Transformation : DBT Core / SQL, Python (Pandas/PySpark) ou équivalent. Modélisation : DrawIO, Lucidchart ou autre support outil libre. Visualisation / Restitution : Tableau. CI/CD / versioning : GitLab, GitHub. Documentation : Confluence, Jira, SharePoint.

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,