Trouvez votre prochaine mission ou futur job IT.

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

Contexte et environnement de travail : Localisation : Paris (Rythme : 3 jours par semaine sur site / 2 jours de télétravail). Démarrage : ASAP (Processus de sélection urgent, profils étudiés dès réception). Durée : Mission longue (visibilité jusqu'au 31/12/2026). Tarif : Budget maximum de 680 € HT/jour. Le Projet Dans le cadre du développement et de la modernisation de son écosystème Data, le client recherche un(e) System Architect BI pour prendre en charge la conception et l'évolution d'une partie de son patrimoine d'assets Data & BI. L'environnement technologique repose sur une Data Platform Google BigQuery connectée à l'écosystème Microsoft ( Fabric / Power BI ). L'objectif majeur de cette mission est de garantir la cohérence technique, la scalabilité, la sécurité et la performance des solutions BI déployées à l'échelle du département. Le profil retenu interviendra comme le référent de l'organisation sur les choix d'architecture applicative BI. Missions et responsabilités au quotidien 1. Architecture BI & Écosystème Microsoft (Power BI / Fabric) Concevoir une architecture BI découplée, scalable et sécurisée, tout en faisant évoluer les standards de l'entreprise pour favoriser le data-sharing et le "Self-Service BI" gouverné. Définir l'architecture applicative des espaces de travail (Workspaces & Applications) et structurer logiquement les environnements (DEV, UAT, PROD) pour faciliter les déploiements. Standardiser les processus d'intégration et de déploiement continus (CI/CD / ALM) via les pipelines Fabric, l'intégration Git et la transition vers le format TMDL. Intégrer les principes de gouvernance et de classification de la donnée dès la phase de design (étiquettes de sensibilité, gestion stricte du principe de moindre privilège et automatisation des revues d'accès). Assurer la gestion de la dette technique sur l'ensemble du périmètre. 2. Conception d'Architectures de Données Robustes Rédiger les contrats d'interface ( data contracts ) pour fiabiliser les interactions entre les systèmes sources (BigQuery) et la stack analytique (Fabric / Power BI). Mettre en place des processus de reprise sur incident pour sécuriser la continuité des opérations. Rationaliser et optimiser les standards de rafraîchissement des données (Refresh Power BI). Veiller au respect des exigences non fonctionnelles : performance, observabilité et fiabilité. 3. Modélisation et Optimisation des Données Concevoir des modèles de données adaptés aux besoins métiers (modélisation en étoile, Kimball, etc.) en tirant parti de la puissance de calcul combinée de BigQuery et des moteurs de Fabric. Définir les bonnes pratiques de modélisation à l'échelle de l'organisation pour garantir la qualité des structures. Travailler en étroite collaboration avec les Data Engineers et les équipes infrastructure pour assurer la mise en œuvre efficace des flux.

Contexte de la mission Dans le cadre du développement de sa plateforme Data & BI, notre client recherche un(e) System Architect BI expérimenté(e). Vous serez en charge de la conception et de l'évolution du design d'une partie du patrimoine d'assets Data & BI de l'organisation, basés sur une Data Platform (Google BigQuery) et sur l'écosystème Microsoft (Fabric / Power BI), avec un souci constant d'évolutivité et de performance. En tant que référent technique, vous garantissez la cohérence, la scalabilité et la robustesse des solutions BI déployées à l'échelle du département. Missions principales Architecture BI (Power BI & Fabric) Conception de l'architecture • Conception d'une architecture BI découplée, scalable et sécurisée respectant les standards internes • Favoriser la réutilisabilité, la certification des données, le data-sharing et le Self-Service BI gouverné • Garantir la cohérence architecturale entre tous les assets BI Environnements & workspaces Power BI • Définition de l'architecture applicative des workspaces et applications Power BI (DEV / UAT / PROD) • Structuration logique des assets analytiques pour faciliter déploiement, sécurité et gouvernance • Rôle de référent pour l'ensemble des équipes BI de l'organisation CI/CD & SDLC • Mise en place et standardisation des processus SDLC/ALM via les pipelines de déploiement Fabric • Intégration Git et passage au TMDL (Tabular Model Definition Language) Data Gouvernance & Classification • Application des principes de data gouvernance et de classification des données dès la phase de design • Mise en place de stratégies de protection de l'information dans l'écosystème Fabric / Power BI • Orchestration de revues régulières de droits d'accès (principe de moindre privilège) • Gestion de la dette technique sur le périmètre de responsabilité Architecture de données robuste • Rédaction de contrats d'interface & data contracts entre les systèmes sources (BigQuery) et la stack analytique • Développement de processus de reprise sur incident pour assurer la continuité des opérations • Définition et rationalisation des standards de refresh Power BI • Définition des exigences non fonctionnelles : performance, évolutivité, sécurité, fiabilité, observabilité Modélisation des données • Analyse des besoins métier et conception de modèles adaptés (étoile, Kimball, etc.) • Création de modèles conceptuels, logiques et physiques tirant parti de BigQuery et des moteurs Fabric / Power BI • Optimisation des structures de données pour la performance des requêtes et la minimisation des coûts • Définition de normes et bonnes pratiques de modélisation à l'échelle de l'organisation • Collaboration avec les équipes Data Engineers et infrastructure • Mise en place de mécanismes de contrôle qualité des données Compétences techniques requises Power BI & Microsoft Fabric • Maîtrise avancée du TMDL pour la définition et la revue des modèles sémantiques (point essentiel) • Expérience prouvée en intégration continue Git/CI-CD sur la stack Fabric • Conception et optimisation de UDFs côté Power Query (M) et DAX • Modèles sémantiques complexes : Composite models, agrégations, rafraîchissement incrémental, partitionnement XMLA • Optimisation avancée DAX et compression VertiPaq • Mise en œuvre de RLS (Row-Level Security) et OLS (Object-Level Security) statiques et dynamiques • Gestion des audiences via Apps Power BI et mécanismes de revue d'accès (Access Reviews) • Étiquettes de sensibilité appliquées aux assets analytiques • Monitoring et observabilité des chaînes applicatives Power BI, diffusion des logs vers SIEM Google BigQuery & environnement hybride GCP / Power BI • Connaissance approfondie de BigQuery et de son connecteur pour Fabric • Maîtrise du Query Folding, des modes d'authentification SSO, optimisation des coûts DirectQuery/Dual • Conception d'UDFs BigQuery (SQL / JavaScript) pour déporter la logique métier • Expérience en environnement hybride GCP & Power BI Veille technologique • Suivi des release plans Microsoft (Fabric / Power BI) et Google Cloud

Nous recherchons un(e) Data Engineer spécialisé(e) SAS / Teradata pour intervenir au sein d’un environnement bancaire exigeant, dans le cadre de la gestion et de l’évolution d’une plateforme Data stratégique utilisée pour des besoins réglementaires. Vous serez en charge de l’administration de la plateforme SAS, de la mise en place et de l’automatisation des traitements de chargement de données via des scripts SAS et Shell, ainsi que du suivi de la qualité et de la conformité des données en base Teradata. Vous interviendrez également sur le support aux utilisateurs métiers (notamment en environnement international), l’analyse des incidents, la validation des flux de données et l’optimisation des traitements batch. Ce rôle requiert une forte expertise technique sur SAS, une bonne maîtrise des environnements Data legacy, ainsi qu’une capacité à évoluer dans un contexte structuré, orienté Data Quality, gouvernance et performance.

Notre client dans le secteur Santé recherche un/une Engineering Manager Data H/F Description de la mission: Dans le cadre de la modernisation de sa plateforme Data, le client lance un programme stratégique de migration de son Data Warehouse vers Snowflake. Ce programme s’inscrit dans une transformation globale visant à migrer des environnements legacy vers une architecture cloud scalable, améliorer la qualité, la gouvernance et l’accessibilité des données, et accélérer les usages métiers en BI, analytics et data science. L’environnement est international avec de forts enjeux de coordination entre équipes IT et métiers. Objectifs de la mission En tant qu’Engineering Manager Data, la mission consiste à assurer le pilotage technique et opérationnel de la migration vers Snowflake ainsi que le management des équipes Data. Missions principales • Cadrage et pilotage de la migration vers Snowflake • Définition de l’architecture Data cible • Management et structuration d’une équipe de Data Engineers • Mise en place des bonnes pratiques en qualité, monitoring, CI/CD et gouvernance • Accompagnement des équipes métiers dans l’adoption de la plateforme • Suivi des performances, des délais et des risques projet Profil recherché • Expérience confirmée en tant qu’Engineering Manager ou Lead Data Engineer • Expérience avérée de migration vers Snowflake, fortement souhaitée • Solide background technique en Data Engineering • Expérience en management d’équipe, avec une expérience onshore / offshore appréciée • Capacité à évoluer dans des environnements complexes et internationaux • Bon relationnel et capacité à interagir avec des interlocuteurs métiers Livrables attendus • Roadmap de migration et architecture cible • Suivi des sprints et des livraisons • Documentation technique et bonnes pratiques • Reporting projet : avancement, risques, KPI • Structuration et montée en compétence de l’équipe Compétences / Qualités indispensables : Snowflake, Data Engineering, Management d'équipe Data, Architecture Data, SQL et Python, Airflow / DBT Informations concernant le télétravail : 2 jours par semaine de télétravail Bureaux à Bordeaux

Expert Dataiku DSS - Bordeaux COMPETENCES · Dataiku DSS – niveau avancé (MLOps & DataOps) · Expérience confirmée en industrialisation de modèles ML · Python, SQL · CI/CD, Git · Très bonne compréhension des architectures Data · Environnements Cloud (AWS / GCP / Azure) · Sensibilité forte aux enjeux sécurité, RUN et exploitation CONTEXTE Le domaine SI Dataplatform & BI souhaite renforcer ses capacités d’industrialisation des projets Data Science et IA. La plateforme Dataiku DSS est utilisée pour le développement des modèles ML et nécessite une expertise externe pour sécuriser leur mise en production, leur exploitation dans le temps et leur alimentation en données. La mission s’inscrit à l’interface entre l’équipe Data Science et l’équipe Dataplatform de la DSI, avec une forte orientation d’industrialisation (build & run). OBJECTIFS DE LA MISSION · Industrialiser les projets de Machine Learning développés sous Dataiku DSS · Mettre en place une chaîne MLOps robuste, sécurisée et maintenable · Garantir la fiabilité, la performance et la gouvernance des flux de données alimentant Dataiku · Assurer le bon passage du POC à la production, puis l’exploitation dans le temps · Contribuer à la diffusion des bonnes pratiques MLOps & DataOps au sein des équipes Data PERIMETRE D’INTERVENTION • Projets Data Science & IA développés sous Dataiku DSS • Chaînes MLOps (entraînement, déploiement, supervision des modèles) • Connexion de Dataiku aux sources de données de l’entreprise • Environnements DEV / TEST / PROD LIVRABLES ATTENDUS · Pipelines MLOps Dataiku industrialisés et documentés · Modèles ML déployés et supervisés en production · Connecteurs Dataiku vers les sources de données opérationnels · Documentation d’exploitation MLOps & DataOps · Recommandations de standardisation et d’amélioration continue INTERACTIONS · Rattachement : Responsable de domaine SI Dataplatform et BI avec un détachement opérationnel dans l’équipe Data Science le temps du projet · Partenaires clés : équipes IT (projets, devs, MCO), directions métiers (commerce, marketing, supply chain, finance), conformité et sécurité. Data Scientists, Data Engineers, Architectes Data / Cloud, équipes de la direction technique : Infrastructures, Production, Sécurité & Exploitation COMPETENCES · Dataiku DSS – niveau avancé (MLOps & DataOps) · Expérience confirmée en industrialisation de modèles ML · Python, SQL · CI/CD, Git · Très bonne compréhension des architectures Data · Environnements Cloud (AWS / GCP / Azure) · Sensibilité forte aux enjeux sécurité, RUN et exploitation

Depuis 2012, nous mettons notre expertise au service des secteurs de l’IT et l’Ingénierie pour accompagner nos clients dans des projets ambitieux et innovants. Notre force ? Un management de proximité qui valorise vos aspirations, des opportunités de carrière concrètes et un engagement sincère pour le bien-être et l'épanouissement de nos collaborateurs. Rejoignez-nous sur des projets à fort impact au sein d’une entreprise où chaque talent compte ! Avanista recrute ! Toujours en recherche de nouveaux talents, nous souhaiterions intégrer un Business Analyst IA au sein de nos équipes pour l’un de nos clients. Le contexte ? Dans le cadre du démarrage d’un projet stratégique, nous recherchons un Business Analyst expérimenté ayant une forte expertise sur Dataiku et une solide expérience sur des projets liés à la data (Big Data, Data Science) et à l’intelligence artificielle (LLM et IA Générative). Ce profil interviendra principalement dans la mise en place d’un POV IA Studio, une plateforme fédérant : • Les outils de Data Science (notamment Dataiku). • L’accès aux données SI • Une interface avec un socle LLM permettant de développer des fonctionnalités IA Générative du cas d’usage de POV. • Le/la candidat(e) sera intégré(e) dans une Squad Agile déjà en place et participera aux activités fonctionnelles et opérationnelles pour le bon déroulement du projet. Vos missions ? Conception et structuration fonctionnelle du POV Studio IA basé sur la plateforme Dataiku, incluant l’intégration d’accès aux données SI, à des outils MLOPS, et à un socle LLM pour faire de l’IA générative. Animation des ateliers métier pour recueillir les besoins et les transformer en user stories explicites. Rédaction des spécifications fonctionnelles et travail en étroite collaboration avec les équipes techniques (développeurs, Data Engineers) pour assurer la faisabilité et la pertinence des solutions proposées. Gestion du backlog métier en mode Agile, rédaction des récits utilisateurs dans des outils tels que Jira et mise à jour selon les priorités. Participation aux phases de tests : définition des plans de tests fonctionnels, exécution, et validation des fonctionnalités. Conduite de changement, assistance fonctionnelle et accompagnement des utilisateurs pendant la phase de déploiement (formation et supports utilisateurs). Collecte des feedbacks utilisateurs afin d’assurer le bon déroulement des développements d’usage sur le Studio IA, gestion des priorités et ajustement continu avec le Chef de projet et le Product Owner. Réaliser / rédiger l’analyse des risques métiers liés au fonctionnement et au déploiement de la plateforme du POV, en collaboration avec les équipes SSI, conformité et juridique, en intégrant les exigences réglementaires (RGPD, gouvernance des données) et les règles éthiques, de confidentialité et de sécurité des données spécifiques au contexte bancaire).

Je cherche pour un de mes client un Data Governance Manager – Stewardship & Adoption sur Bordeaux Expérience : mini 5 ans en Data Gouvernance Localisation : Bordeaux Démarrage asap pour 5 mois contexte de la mission et l’équipe Chez mon client, le besoin s’inscrit dans le développement de la gouvernance data, dans un environnement structuré autour de Snowflake, Power BI et Datahub. La mission se déroule au sein de l’équipe Data Management composée de 4 Data Managers, qui outillent la gouvernance Data des entités du groupe et participent aux projets métiers en collaboration avec les Data Engineers et notre communauté de Data Owner. Enjeux du projet / périmètre La mission vise à structurer, déployer et animer la gouvernance opérationnelle autour d’une communauté de Data Stewards à créer, à renforcer l’adoption des outils et pratiques de gouvernance, et à rapprocher l’équipe Data Management des utilisateurs afin de mieux prioriser les besoins métiers et data. Le poste n’a pas vocation à être un rôle de Data Steward central ; il s’agit d’un rôle transverse, orienté cadre, adoption, animation de communauté et accompagnement du changement. Activités principales • Déployer et animer le modèle de Data Stewardship : clarification des rôles, périmètres, interactions et rituels entre Data Owners, Data Stewards, Data Management et équipes techniques. • Structurer l’onboarding des Data Stewards et produire les kits, standards et supports utiles. • Lancer et animer la future communauté de Data Stewards. • Renforcer l’adoption du Data Catalog et des pratiques de gouvernance. • Accélérer la documentation des assets prioritaires • Intégrer davantage la gouvernance dans les workflows projets. • Contribuer à l’extension de la couverture du catalogue, notamment sur les traitements IA. • Organiser des ateliers et temps d’échange avec les utilisateurs. • Faire émerger les irritants et besoins, structurer un backlog transverse et contribuer à sa priorisation avec les équipes concernées. • Contribuer à une gouvernance by design sur les projets data, dès les phases de cadrage. Activités secondaires • Réactiver et mobiliser les communautés existantes, en particulier les référents Power BI. • Animer des campagnes ciblées et des rituels simples mais réguliers autour des usages de gouvernance. • Accompagner l’appropriation des rôles de Data Steward par certaines communautés existantes. Contexte technique et organisationnel Environnement data structuré autour de 4 plateformes Snowflake, une par entité du groupe, Power BI et Datahub. Mission portée par l’équipe Data Management, en interaction avec des Product Managers, Data Analysts, Data Scientists, Data Engineers, équipes plateforme et sponsors métier. Utilisation framework scrumban Soft skills souhaitées • Forte capacité d’animation de communauté • Facilitation • Conduite du changement • Capacité à faire avancer un sujet transverse sans autorité hiérarchique • Approche structurée, pragmatique, orientée impact et adoption • Capacité à dialoguer avec des interlocuteurs variés Critères de sélection Les éléments différenciants pouvant être mis en avant dans la candidature, d’après ton draft, sont : • expérience concrète de déploiement de modèles de gouvernance, de rôles ou de réseaux de référents • capacité à structurer et animer une communauté de Data Stewards • capacité à embarquer des parties prenantes variées et à conduire le changement • bonne compréhension des enjeux de Data Catalog, métadonnées, documentation, ownership, accès et usages • capacité à faire émerger les besoins utilisateurs et à contribuer à leur priorisation • approche pragmatique et orientée adoption / impact Expérience minimale requise Profil disposant d’une expérience solide en Data Governance, Data Management, Data Transformation ou Data Program Management. Outils de collaboration attendus Teams, Jira, Confluence, Datahub TT les mercredis et vendredis (Possibilité de venir sur site si volonté). Détail des compétences techniques Connaissance de Power BI : junior (<2 ans) Snowflake : junior (<2 ans d'exp) Data Governance : expert (>5 ans d'exp) Data Stewardship Operating Model : confirmé (2 à 5 ans d'exp) Data Catalog / Metadata Management : confirmé (2 à 5 ans d'exp) Conduite du changement / adoption : expert (>5ans) Animation de communauté / réseau de référents : confirmé (2 à 5 ans d'exp) Datahub ou autre Data Catalog : junior (< 2 ans) Gestion backlog transverse / priorisation : confirmé (2 à 5 ans d'exp)

Contexte de la mission Dans le cadre d’un projet stratégique autour de l’IA, vous intervenez sur la mise en place d’un POV Studio IA , une plateforme visant à industrialiser les usages Data Science et IA Générative au sein d’un grand groupe bancaire. Le périmètre couvre : Une plateforme Data Science basée sur Dataiku L’accès aux données du SI Des briques MLOps pour industrialiser les modèles Un socle LLM permettant de développer des cas d’usage en IA générative Vous êtes au cœur de la Squad Agile, en interface directe entre les métiers, la Data et les équipes techniques. Missions 1. Conception fonctionnelle du Studio IA Concevoir et structurer fonctionnellement la plateforme POV Studio IA Définir les parcours utilisateurs et les cas d’usage IA Intégrer les contraintes liées aux données, MLOps et LLM Garantir la cohérence entre besoins métiers et capacités techniques 2. Recueil des besoins & cadrage Animer les ateliers avec les métiers Formaliser les besoins en user stories détaillées Prioriser les fonctionnalités en lien avec les enjeux business 3. Pilotage fonctionnel & Agile Gérer le backlog produit dans Jira Suivre l’avancement des développements Ajuster les priorités avec le Product Owner et le Chef de projet Participer aux rituels Agile 4. Collaboration avec les équipes techniques Rédiger les spécifications fonctionnelles Travailler étroitement avec Data Engineers et développeurs S’assurer de la faisabilité technique des solutions proposées 5. Tests & validation Définir les stratégies de tests fonctionnels Rédiger les plans de tests et scénarios de recette (XRAY) Exécuter les tests et valider les fonctionnalités Suivre les anomalies 6. Conduite du changement & accompagnement Accompagner les utilisateurs dans l’adoption du Studio IA Produire les supports de formation et documentation Assurer l’assistance fonctionnelle post-déploiement 7. Gestion des risques & conformité Réaliser les analyses de risques métiers Intégrer les contraintes SSI, conformité et juridique Appliquer les exigences réglementaires : RGPD Garantir la sécurité et l’éthique des usages IA 8. Amélioration continue Collecter les retours utilisateurs Analyser les usages de la plateforme Ajuster les priorités et enrichir les fonctionnalités Environnement technique Data Science : Dataiku, Python IA Générative : LLM (architecture, intégration, cas d’usage) Data : SQL / HQL MLOps : concepts d’industrialisation des modèles Outils : Jira, XRAY Méthodologie : Agile Contexte : SI bancaire, Data & IA Accès aux données Accès à des données à caractère personnel via la plateforme Studio IA (production) Respect des exigences de sécurité, confidentialité et conformité

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.

Bonjour à tous, notamment aux Leads Fullstack (dominante backend) ⚙️ sur React et Node.js (& Python sur FastAPI) 🔎 Je cherche un profil Dev Fullstack à forte dominante Back(+5 ans d’expérience) pour rejoindre une équipe Produit sur une application stratégique en phase d’accélération. L’objectif de la plateforme est de permettre aux équipes Marketing Globales de mesurer, optimiser et amplifier la performance des assets social media à grande échelle. Le MVP est en cours de développement et entre dans une phase clé d’enrichissement fonctionnel, de scalabilité et d’intégration de capacités IA. 💻 Ce que tu vas faire : - Développer et faire évoluer le Back-End de la plateforme (Node.js & Python / FastAPI) - Concevoir et exposer des APIs robustes et scalables pour accompagner la montée en charge - Intégrer des modèles d’IA via Vertex AI en collaboration avec les équipes Data Science et Data Engineering - Optimiser la modélisation et les performances des bases de données (PostgreSQL & MongoDB) - Contribuer au Front-End en React pour assurer une restitution fluide et performante de la donnée - Participer à la phase d’accélération produit et à la préparation d’un déploiement à grande échelle - Travailler dans une équipe Produit Agile (PO, UX, Data Scientist, Data Engineer, Tech Lead) 🎯 Stack & environnement : Node.js / Python / FastAPI / React / GCP / Vertex AI / PostgreSQL / MongoDB 📍 Mission : IDF 🏠 : 2 jours de TT 📅 Démarrage : ASAP Qu'en penses-tu? Une belle fin de journée

Responsabilités principales : Pilotage Technique : - Définir et faire respecter les bonnes pratiques de développements, de versioning et d'industrialisation des flux data - Réaliser les revues de code, assurer la cohérence et la robustesse technique des traitements - Participer à la conception des architectures cibles en lien avec les architectes data et les équipes DSI. - Contribuer à l'amélioration continue des performances et de la stabilité des pipelines Conception et industrialisation : - Concevoir, développer et maintenir des pipelines de collecte, de transformation et de diffusion des données (ETL/ELT) - Mettre en œuvre les solutions d'orchestration et d'automatisation - Participer à la migration des flux SAS vers des solutions modernes (ex : Snowflake) - Veiller à la documentation, à la supervision et au monitoring des traitements Encadrement et accompagnement : - Accompagner techniquement les data engineers dans leurs développements et leur montée en compétence - Promouvoir les bonnes pratiques DataOps (CI/CD, test, observabilité, monitoring) - Faciliter les échanges entre les équipes data, architecture, sécurité et métier Gouvernance et qualité : - Contribuer à la mise en place des standards de qualité, de traçabilité et de sécurité des données - Collaborer avec le Data Quality Officer sur les sujets de contrôle d'alerting - Participer à la mise en place de mécanismes de data lineage et de gestion des metadonnées Expérience : Expérience sur des architectures cloud data (idéalement GCP) Expérience confirmée dans l'industrialisation et la mise en production des pipelines data Langages et outils : - Obligatoires : Python, SQL, Spring Batch - Data platform : GCP, Snowflake (bonne connaissance apprécié) - ETL/ELT : XDI - CI/CD & Infra : Gitlab, Docker, Terraform, Kubernetes Architectures : - Architecture Data Moderne (Data Lake/House, Data Mesh, ELT Cloud etc) - Performance et optimisation des flux - Sécurité, gouvernance et qualité des données - Supervision et observabilité

Contexte de la mission Amundi Technology recherche un profil Data Engineer Senior orienté plateformes Data & IA afin d’accompagner la montée en puissance de son socle Data/ML. La mission s’inscrit au sein de l’équipe DAT, responsable des plateformes Data, IA/ML et des environnements Kubernetes du groupe. Le consultant interviendra dans un contexte très orienté production et scalabilité, avec une forte proximité avec les équipes d’ingénierie de production. L’objectif n’est pas uniquement de conseiller, mais d’intervenir concrètement sur les problématiques techniques, les optimisations de plateformes et l’industrialisation des usages Data/IA. Informations clés • Localisation : Paris 15e • Démarrage : ASAP / Mai 2026 • Durée : longue visibilité (3 ans) • Présence : 100% • Horaires : HO uniquement • Télétravail : non précisé • Type de mission : expertise opérationnelle / engineering plateforme Responsabilités principales Plateformes Data & IA • Optimisation et amélioration des plateformes Dagster et Trino en production • Analyse de performances, tuning, optimisation des usages et configurations • Conception et optimisation de pipelines Spark à forte volumétrie • Gestion des problématiques de partitionnement, formats Delta Lake / Iceberg et performance des traitements • Participation à l’évolution du socle Data/IA et aux choix d’architecture techniques • Contribution à la gouvernance technique et aux standards d’engineering Industrialisation & Scalabilité • Industrialisation des pipelines Data & ML • Mise en place des mécanismes de monitoring, observabilité et alerting • Construction des patterns de déploiement à l’échelle • Gestion des problématiques de montée en charge et de robustesse plateforme • Support niveau 3 sur les incidents complexes Data/IA Accompagnement technique • Accompagnement des équipes Data Science et Développement • Pair-working et rôle de référent technique opérationnel • Réalisation de POCs et veille technologique autour des plateformes Data & IA Environnement technique Data / Big Data • Dagster • Trino • Apache Spark • Hive • Delta Lake / Iceberg • Superset • OpenMetadata Cloud / Infra • Kubernetes • Rancher RKE • AKS Azure • Docker DevOps / Observabilité • ArgoCD • Jenkins • Grafana • Prometheus • Sysdig Langages • Python • Go Versioning / Storage • GitLab • Artifactory • S3 Compétences indispensables • Très forte expertise sur des plateformes Data en production • Expertise Dagster (ou équivalent orchestration Data) • Expertise Trino / moteurs distribués • Solide maîtrise Apache Spark et optimisation de pipelines Big Data • Bonne connaissance Delta Lake / Iceberg / Hive • Expérience réelle de problématiques de scaling plateforme • Très bon niveau Python • Bonne maîtrise Linux / Unix Compétences appréciées • Kubernetes / Docker • Azure AKS • GitOps / Infrastructure as Code • MLOps • Go ou Java