Trouvez votre prochaine mission ou futur job IT.

Dans le cadre du développement de ses activités Data et de la valorisation des données métiers, notre client souhaite renforcer ses équipes avec un Chef de Projet Data . La mission consiste à piloter des projets de transformation et d’exploitation de la donnée, en lien étroit avec les équipes métiers, Data et IT, afin de produire des indicateurs décisionnels et des outils de visualisation. Pilotage de projets Data Recueillir et analyser les besoins métiers liés à la valorisation de la donnée Piloter les projets Data de la phase de cadrage jusqu’à la mise en production Organiser et animer les ateliers avec les équipes métiers et techniques Suivre l’avancement des projets (planning, risques, dépendances) Analyse et valorisation des données Contribuer à la structuration et à la qualité des données exploitées Participer à la modélisation et à la préparation des datasets Exploiter Dataiku pour l’analyse des données et la production d’indicateurs Datavisualisation et reporting Concevoir des tableaux de bord et indicateurs de performance Mettre en place des visualisations de données permettant le pilotage métier Garantir la cohérence et la fiabilité des indicateurs produits Coordination des équipes Assurer l’interface entre métiers, data analysts, data engineers et IT Suivre les développements et la livraison des solutions Data Participer à l’amélioration continue des processus Data

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

📍 Infos pratiques 📍 Localisation : Paris (2 jours TT) 📅 Démarrage : ASAP 📆 Visibilité : mission longue (jusqu’à fin 2026) Dans le cadre d’un programme de transformation Data B2B , nous recherchons un profil orienté architecture et modélisation métier , capable d’intervenir en amont des développements pour structurer un modèle data cible robuste. 👉 ⚠️ Important : ce n’est PAS un poste de Data Engineer 👉 Le besoin est centré sur la conception, l’abstraction et la structuration de la donnée 🎯 Ce que le client attend réellement ✔ Construire une vision 360 des données B2B ✔ Définir les objets métiers clés (Client, Contrat, Parc, Facture, Usage…) ✔ Concevoir le modèle de données cible (Core Model) ✔ Définir les règles de gestion (RCU / unicité client / hiérarchies) ✔ Analyser les sources legacy et faire le lien avec la cible ✔ Structurer un dictionnaire de données (Business Glossary) ✔ Travailler en lien direct avec les équipes métier 👉 Positionnement attendu : Architecte Data fonctionnel / Data Modeler senior 🧠 Responsabilités Modélisation des données (logique & métier) Définition des règles de gestion (vision client / référentiels) Analyse des écarts entre SI existant et cible Contribution à la gouvernance (catalogue, qualité de données) Support aux équipes Data & métiers Pourquoi c’est intéressant ? ✔ Projet stratégique (transformation data complète) ✔ Forte dimension architecture & conception ✔ Impact direct sur la structuration des données du groupe

Contexte OnSpark est un cabinet spécialisé dans la GMAO/EAM et l'intégration SI, en forte croissance (40 collaborateurs, CA 3,3 M€). Dans le cadre de la diversification de son offre vers la Data et l'Intelligence Artificielle, nous recherchons un Data Scientist pour accompagner nos clients grands comptes. Vous travaillerez sur des données massives et complexes, et contribuerez à des cas d'usage à fort impact : modèles de prévision, simulateurs, analyses statistiques avancées, détection de tendances, dans un environnement Big Data on-premise (Cloudera CDP, Cloudera Machine Learning) avec accès à des IDE modernes (Jupyter, RStudio, VSCode). Responsabilités Concevoir et entraîner des modèles de Machine Learning et Deep Learning Analyser des jeux de données complexes et volumineux Collaborer avec les Data Engineers pour la mise en production des modèles Accompagner les équipes métier dans l'interprétation des résultats Contribuer aux cas d'usage IA et NLP de la plateforme

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

Dans le cadre du développement de solutions innovantes à forte valeur métier, nous recherchons un Développeur Back-End Senior orienté Intelligence Artificielle pour rejoindre une Dev Factory IA . Vous interviendrez sur la conception et le développement d’applications intégrant des composants data et intelligence artificielle , au sein d’équipes pluridisciplinaires composées de développeurs, data engineers, data scientists et experts métier . Votre mission consistera à concevoir, développer et industrialiser des services applicatifs et des briques d’intelligence artificielle , dans un environnement technique exigeant en matière de performance, scalabilité et fiabilité . Vos missions Développement Back-End et IA Concevoir et développer des API REST et/ou GraphQL robustes, sécurisées et performantes Implémenter des services d’exposition de modèles d’intelligence artificielle (inférence, scoring, prédictions) Développer des traitements data répondant aux besoins métiers Architecture applicative et data Participer à la définition des architectures applicatives et data/IA Concevoir des solutions scalables, modulaires et maintenables Appliquer les bonnes pratiques d’architecture logicielle (SOLID, séparation des responsabilités) Gestion des flux de données Traiter et exposer des données issues de différentes sources : bases de données relationnelles bases NoSQL APIs externes pipelines de données Garantir la qualité, la traçabilité et la performance des flux Intégration et mise en production des modèles IA Intégrer les modèles développés par les équipes data Mettre en production des services d’inférence Gérer les versions des modèles et suivre leurs performances Anticiper les problématiques de dérive des modèles Industrialisation et CI/CD Contribuer au dépôt GitLab Participer aux revues de code Mettre en place et maintenir des pipelines CI/CD Automatiser les processus de tests et de déploiement Qualité et tests Développer des tests unitaires, d’intégration et de performance Garantir la fiabilité et la stabilité des services applicatifs et des composants IA Sécurité applicative et data Mettre en œuvre les bonnes pratiques de sécurité : authentification autorisation chiffrement protection des données sensibles Collaboration agile Participer aux rituels Scrum Collaborer avec les équipes data, front-end, produit et DevOps Documentation et amélioration continue Documenter les architectures, APIs, pipelines data et processus de déploiement Contribuer à la veille technologique et à l’amélioration des pratiques de développement

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

Dans le cadre de ses travaux de transformation IA, un grand groupe bancaire français recherche un Product Owner Senior pour accompagner la transformation de ses Centres de Relation Clients (CRC) via l’intégration de cas d’usage IA à forte valeur ajoutée. Le PO sera intégré à une direction Data/IA transverse , en lien direct avec les équipes métier CRC, les UX designers, les experts data (data scientists, data engineers), les équipes IT et les établissements du réseau. Les Centres de Relation Client représentent un axe stratégique de la transformation de l’expérience client. L’enjeu est de structurer, prioriser et piloter des cas d’usage IA dans trois grands domaines : Traitement de la Voix (speech-to-text, détection d’intention, analyse d’émotion) ; Analyse des Mails et Courriers (NLP, routage intelligent, résumé, classification) ; Déploiement ou amélioration d’Agents conversationnels (LLM, chatbot, voicebot) . Le Product Owner sera directement responsable de la mise en œuvre de plusieurs projets IA sur ce périmètre.

DATA Q Ingenieur - Snowflake Confirmed, Maitrise de Dataiku Confirmed, Familier avec le concept d'ELT ou ETL Expert, Modélisation de données Confirmed, Expertise SQL, Python Expert, Connaissance technique de l'environnement Data (architecture medaillon, principe des data mesh) Confirmed , Votre rôle axé Analytics Engineer sera de : - Transformer, modéliser et documenter les données brutes pour les rendre exploitables - Développer des modèles et produits de données axés conformité pour alimenter la base graphe en partant des données brutes des applications - Maintenir en condition opérationnel nos flux d'ingestion vers la base de données graphes - Améliorer des processus de traitement des données pour gagner en rapidité et en efficacité. - Créer et mettre à jour de la documentation pour aider à l’utilisation des produits de données. - Automatiser des tests de contrôle et surveillance de la qualité pour garantir l’intégrité des données traitées. - Produire des analyses à destination de nos métiers pour le calibrage de scénarios de fraude ou vigilance LCB-FT - Collaborer avec les différentes parties prenantes (notamment les Data Engineers et les métiers de la fraude et LCB-FT) pour enrichir les données de la base de données graphes en fonction de leur besoin - Collaborer avec l'équipe Data Plaform en mettre en production les différents produits de données"

Tester – Talend Migration Programme – Inside IR35 Candidates must hold active SC (Security Check) clearance. Applications without current SC clearance cannot be considered for this role. Please do not apply if your clearance has lapsed or is pending renewal. We are building a specialist project team to deliver a large-scale Talend data migration programme. As part of this team, you will play a critical role in ensuring data integrity, pipeline accuracy, and business confidence throughout the migration lifecycle. I am looking for three experienced Data Migration Testers to join immediately, working alongside six Talend Data Engineers and a Delivery Lead. This is a hands-on, technically focused testing role with high visibility across the programme. This is an initial 6-month contract engaged inside IR35, with strong potential for extension subject to programme requirements. Candidates should be available to start within 2–4 weeks. Key Responsibilities: Design and execute data validation test cases across source and target systems Perform ETL pipeline testing to verify transformation logic and data flows Conduct reconciliation and row-count validation between environments Carry out regression testing to confirm existing business logic is preserved Support and coordinate UAT with business stakeholders Raise, track, and retest defects through to resolution Produce clear test evidence and reporting for the Delivery Lead Requirements: Active SC clearance — mandatory, no exceptions Proven experience in data migration or ETL testing Strong SQL skills — able to write complex validation queries independently Experience testing data pipelines and transformation rules Familiarity with defect management tools (Jira, Azure DevOps etc.) Ability to interpret technical documentation and data mappings Clear written communication for test reporting Please make an application if you feel this position may be relevant.

Description du poste Dans le cadre d’un programme de transformation data de grande ampleur au sein d’un acteur international du secteur du luxe, nous recherchons un Tech Lead GCP senior pour intervenir sur des use cases commerce à forte valeur métier. L’enjeu principal de la mission est de concevoir et piloter des architectures data sur Google Cloud Platform afin de unifier l’expérience client online et offline , en structurant des socles de données capables d’alimenter les usages analytiques, les KPIs business et les dispositifs de pilotage associés. Le consultant ne sera pas positionné comme un simple data engineer, mais bien comme un profil expert GCP / Tech Lead , capable de porter la vision technique, de guider les choix d’architecture et d’accompagner les équipes sur la mise en œuvre. Il interviendra dans un environnement où la donnée doit permettre de mieux comprendre les parcours clients, de rapprocher les interactions digitales et physiques, et de renforcer la performance des usages commerce. Les responsabilités incluent notamment : Concevoir et faire évoluer des architectures data sur Google Cloud Platform Piloter techniquement la mise en place de solutions permettant de connecter et valoriser les données online et offline Définir et structurer des pipelines de données robustes, industrialisés et scalables Exploiter et optimiser BigQuery pour le stockage, la transformation et l’analyse de données à grande échelle Participer à la modélisation des données nécessaires aux indicateurs business et aux cas d’usage commerce Encadrer les choix techniques autour des flux de données, de la qualité, de la performance et des coûts Collaborer avec les équipes data, analytics et métiers pour produire des jeux de données exploitables Accompagner techniquement une équipe et jouer un rôle de référent sur les sujets GCP Contribuer à la mise à disposition des données pour les dashboards et outils de visualisation Participer à l’amélioration continue des architectures et des pratiques d’industrialisation

🚀 Product Tech Lead – IA / GenAI (Azure) Dans le cadre d’une transformation digitale ambitieuse , nous recherchons un(e) Product Tech Lead pour piloter une solution stratégique basée sur la Data & l’IA Générative , dédiée à la performance des équipes commerciales. 🎯 Objectif : concevoir et déployer une plateforme data-driven fournissant des insights intelligents et des outils innovants pour soutenir la croissance business. 🚀 Missions Définir et piloter l’ architecture technique & data end-to-end Garantir la scalabilité, sécurité et performance des solutions Encadrer une équipe transverse (Dev, Data, AI Engineers) Concevoir et livrer des fonctionnalités IA / GenAI (Azure OpenAI) Structurer les pipelines data , gouvernance et cycle de vie des modèles Assurer l’intégration avec les systèmes ( SAP, Salesforce ) Superviser les déploiements (Azure / Fabric) avec pratiques DevOps, MLOps, LLMOps Collaborer avec le Product Manager pour aligner valeur métier & faisabilité technique

Dans le cadre de l’amélioration de la personnalisation de l’expérience utilisateur , nous constituons une équipe dédiée aux sujets de machine learning et de recommandation en production . Cette équipe data est composée : d’un Product Owner d’un Data Scientist d’un Lead ML Engineer d’un Machine Learning Engineer L’environnement technique repose principalement sur Google Cloud Platform avec notamment : Python Vertex AI BigQuery Cloud Run Airflow API REST Terraform GitLab CI/CD L’objectif est de concevoir, industrialiser et déployer des solutions de machine learning en production , tout en assurant leur performance et leur scalabilité. Missions Au sein de l’équipe data et ML, vous interviendrez sur l’ensemble du cycle de vie des projets de machine learning en production . Cas d’usage et mise en production Concevoir un premier cas d’usage de personnalisation de l’expérience utilisateur Déployer les modèles en production sur Google Cloud Mettre en place des tests A/B pour mesurer l’impact des recommandations Assurer le monitoring et l’évaluation des performances des modèles Industrialisation des modèles IA Concevoir et maintenir des pipelines machine learning robustes et scalables Mettre en place les architectures MLOps Exposer les modèles via des API REST (FastAPI ou Flask) Industrialiser les modèles développés par les Data Scientists Mettre en place des workflows CI/CD Architecture et infrastructure data Structurer et organiser le stockage des données Garantir la scalabilité, la sécurité et la stabilité des environnements Déployer des infrastructures via Infrastructure-as-Code (Terraform) Collaborer avec les Data Engineers et équipes techniques Collaboration et amélioration continue Participer aux phases de cadrage, planification et delivery Contribuer à la documentation technique Réaliser une veille technologique sur les technologies ML et IA Appliquer les bonnes pratiques de développement et d’architecture data

Je cherche pour un de mes clients Data Governance Manager – Stewardship & Adoption Description du besoin : Poste : Data Governance Manager – Stewardship & Adoption Expérience : mini 5 ans en Data Gouvernance Partenaires et Freelances Quelques mots sur le contexte de la mission et l’équipe Chez le 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 Contraintes techniques Bonne compréhension attendue des enjeux liés aux catalogues de données, aux métadonnées, à la documentation, à l’ownership, aux accès et aux usages. Maitrise de Snowflake et Power BI ou outils similaires 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 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). 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. 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)