Trouvez votre prochaine mission ou futur job IT.

Pour un acteur du secteur de la consommation, nous recherchons un Data Steward pour intervenir au sein d'une équipe Data & AI. Le Data Steward agit en tant qu'expert fonctionnel orienté métier et chef de projet. Il est responsable de la réussite des initiatives data sur l'ensemble du cycle de vie de la donnée. Il assure l'interface entre les équipes métiers et les équipes techniques, notamment les Data Engineers et les experts en Data Visualization. Ses principales responsabilités incluent : Comprendre et cadrer les besoins métiers. Définir et gérer le périmètre des projets data de bout en bout. Garantir l'alignement des solutions data avec les objectifs business. Assurer la gouvernance, la qualité et la cohérence des données. Coordonner les différentes parties prenantes impliquées dans les projets. Suivre les risques, les problèmes et les incohérences éventuelles et piloter leur résolution. Participer à la validation des données à travers des requêtes simples. Maintenir une documentation projet structurée et les différents artefacts associés. Favoriser la collaboration entre les équipes métier, data engineering et analytics. Travailler dans un environnement Agile et contribuer à l'amélioration continue des processus. L'environnement fonctionnel couvre principalement les domaines Digital, Marketing et E-commerce.

Notre client, grand groupe international du secteur du transport et de la logistique, déploie une stratégie ambitieuse de transformation par l'IA. Dans ce cadre, il recherche un Product Manager AI for All chargé de piloter la vision stratégique des solutions d'intelligence artificielle destinées à l'ensemble de ses collaborateurs (Microsoft Copilot, agents IA custom, LLM entreprise, etc.). 1. Roadmap produit Piloter la feuille de route des solutions IA grand public interne en collaboration avec les éditeurs (Microsoft, Mistral AI, etc.) Évaluer et prioriser les nouvelles fonctionnalités selon leur valeur métier Négocier et formaliser les engagements fournisseurs (SLA, délais, fonctionnalités) 2. Agents IA custom enterprise Définir la vision produit des agents IA déployés à l'échelle du groupe Cartographier les besoins métiers et les traduire en spécifications fonctionnelles Mesurer l'adoption et piloter l'optimisation continue 3. Connecteurs & intégrations Définir la roadmap des connecteurs (ERP, CRM, outils métiers) Superviser la gouvernance des accès, la conformité et la sécurité

Pour renforcer la direction des SI décisionnels d'un groupe d'assurance de premier plan, nous recherchons un Business Analyst spécialisé sur les problématiques Solvabilité 2 et la gouvernance de données. Vous interviendrez sur le recueil des besoins auprès des directions Risques et Actuariat, le cadrage des évolutions des datamarts réglementaires, la modélisation des flux de données financières et la validation des indicateurs réglementaires (SCR, MCR, QRT). Mission de longue durée. Connaissance réassurance

Contexte : Dans le cadre de ses activités de gestion et de traitement de la donnée, notre client recherche un Data Quality Analyst confirmé pour garantir la qualité, l'intégration et la bonne exploitation des données provenant de sources multiples. Le consultant interviendra notamment sur la qualification des données, leur référencement, leur normalisation et leur intégration au sein du Data Lake. Missions principales : · Garantir la qualité et la fiabilité de l'accès aux différentes sources de données. · Assurer le référencement, la normalisation et la qualification des données. · Faciliter l'exploitation des données par les Data Analysts et Data Scientists. · Contribuer à la définition de la politique de gestion de la donnée et à la structuration de son cycle de vie. · Superviser et intégrer des données provenant de sources multiples et de différentes natures. · Contrôler la qualité des données intégrées dans le Data Lake. · Réaliser les recettes et contrôles de données. · Identifier et supprimer les doublons. · Contribuer à l'amélioration continue de la qualité et de la gouvernance des données. · Livrables attendus : · Données intégrées et contrôlées dans le Data Lake. · Résultats des contrôles et recettes de données. · Données qualifiées, normalisées et référencées. · Identification et traitement des anomalies et doublons. · Contribution à la documentation du cycle de vie et de la qualité des données.

La mission consiste à intervenir en tant que Data Modeler dans le cadre du développement et de la gestion d'un modèle de données logique et cohérent pour une Unified Data Platform, au sein d'un acteur majeur du secteur automobile / industriel. Le consultant aura pour rôle d'accompagner l'évolution du Data Model, de contribuer à la gestion de son cycle de vie complet, de définir les périmètres de modélisation et de participer à la priorisation du backlog associé. Il interviendra également sur la mise en place de standards de modélisation, de bonnes pratiques, de processus de changement, d'exemples de référence et de templates réutilisables pour les équipes Data.

SHIPS IT est l'entité responsable du support informatique ainsi que du Run de l'ensemble de l'activité IT sur les navires du groupe. Cette entité SHIPS IT est rattachée au sein de la Direction OPERATIONS de la Direction des Systèmes d'Information. Les principales missions du consultant en charge de la mission de prestation seront notamment : Gestion des demandes et commandes via les outils d'achat : - Créer des demandes d'achat aux fournisseurs appropriés selon le besoin de l'équipe - Suivre la disponibilité des commandes chez les fournisseurs - Suivre les commandes et les bon de commandes - S'assurer que la commande est conforme aux process CMA Ships - Évaluer les propositions des fournisseurs et choisissez l'option la plus adaptée conformément aux politiques d'approvisionnement de CMA Ships - Garantir la livraison à temps et assurer le suivi des expéditions tout au long de la chaîne logistique, depuis le fournisseur jusqu'aux entrepôts désignés ou directement à bord pour les livraisons directes. - Régulariser les factures et les suivre avec les parties pertinentes - Suivre les factures problématiques (PI) pour assurer une correspondance à trois voies (PO/Facture/Bon de réception) - Assurer un suivi rapide et efficace des réclamations du client interne. Gestion des assets : - Réaliser l'inventaire du stock et le suivi du stock (entrée/ sortie/ attribution) - Coordination avec les chefs de projets et reporting quotidien - Gérer les besoins du service et savoir prioriser les équipements selon l'urgence. Livrables attendus : - Créer des procédures et de la documentations (inventaire du stock, gestion des factures, gestion des PO,..)

Mission de l'équipe : Dans le cadre d'un dispositif transverse à l'échelle de la CIB, la mission vise à piloter la définition et la mise en œuvre d'un framework de Data Quality supportant l'ensemble de l'écosystème AML, notamment les activités de détection, de monitoring et de reporting. Le Project Manager interviendra en coordination étroite avec les équipes AML Investigation, les équipes IT et la Compliance afin de définir le modèle opérationnel cible de Data Quality, concevoir les contrôles et indicateurs associés et piloter leur industrialisation dans l'outil cible. 1. Définition du Target Operating Model Data Quality La mission sera responsable du cadrage du dispositif cible de Data Quality, notamment : • Identifier les données clés devant faire l'objet de contrôles. • Définir le périmètre des données concernées. • Identifier les principales parties prenantes. • Clarifier les responsabilités et la propriété des données. • Formaliser les principes de gouvernance associés. 2. Définition des contrôles et indicateurs de qualité La mission devra concevoir un dispositif mesurable permettant d'évaluer et de piloter la qualité des données utilisées par les processus AML. Les principales responsabilités seront : • Définir les différents indicateurs de qualité des données. • Définir les principes de monitoring associés. • Formaliser les contrôles permettant de mesurer la qualité des données. • Produire les analyses de risques associées. • Documenter les data lineages nécessaires au dispositif. 3. Industrialisation et suivi de la mise en œuvre La mission assurera le pilotage de l'implémentation et de l'industrialisation des indicateurs de Data Quality dans l'outil cible. Elle devra notamment : • Coordonner les parties prenantes métier, Compliance et IT. • Suivre l'implémentation des contrôles et indicateurs. • Piloter leur industrialisation dans l'environnement cible. • S'assurer de la bonne formalisation et documentation du dispositif. 4. Pilotage de la remédiation et transition La mission devra également structurer le processus de gestion des remédiations issues des contrôles de qualité. Elle sera notamment responsable de : • Mettre en place le dispositif de gestion des remédiations. • Organiser le suivi des actions correctrices. • Préparer la transition du dispositif vers une nouvelle équipe offshore. • Sécuriser le transfert de connaissances, de documentation et des processus associés. Prestations demandées La mission interviendra principalement sur les activités suivantes : • Cadrage du framework Data Quality AML à l'échelle CIB. • Définition du Target Operating Model Data Quality. • Identification des données critiques, responsabilités et data ownership. • Définition des contrôles, KPI et principes de monitoring. • Pilotage de l'implémentation et de l'industrialisation des indicateurs de qualité. • Production de la documentation, des analyses de risques, des définitions de contrôles et des data lineages. • Mise en place et suivi du dispositif de remédiation. • Coordination transverse avec les équipes AML Investigation, Compliance et IT. • Organisation de la transition vers une équipe offshore. Secteur d'activité : Banque de Financement et d'Investissement, CIB Calendrier : du 14/09/2026 au 28/02/2027

La direction des Opérations est dotée d'une équipe dédiée à la définition, la construction et l'analyse d'indicateurs de pilotage de la performance des processus back-office des activités de la banque de détail du groupe. Cette équipe opère actuellement une transformation profonde de ses activités et doit simultanément assurer la production régulière des indicateurs et tableaux de bord en place Missions L'objectif de la mission consistera à : - prendre en charge une partie de la production régulière des indicateurs - travailler sur l'automatisation des productions - mettre en place de nouveaux indicateurs et tableaux de bord.

Pour un acteur du secteur de la consommation, nous recherchons un Data Steward pour intervenir au sein d'une équipe Data & AI. Le Data Steward agit en tant qu'expert fonctionnel orienté métier et chef de projet. Il est responsable de la réussite des initiatives data sur l'ensemble du cycle de vie de la donnée. Il assure l'interface entre les équipes métiers et les équipes techniques, notamment les Data Engineers et les experts en Data Visualization. Ses principales responsabilités incluent : Comprendre et cadrer les besoins métiers. Définir et gérer le périmètre des projets data de bout en bout. Garantir l'alignement des solutions data avec les objectifs business. Assurer la gouvernance, la qualité et la cohérence des données. Coordonner les différentes parties prenantes impliquées dans les projets. Suivre les risques, les problèmes et les incohérences éventuelles et piloter leur résolution. Participer à la validation des données à travers des requêtes simples. Maintenir une documentation projet structurée et les différents artefacts associés. Favoriser la collaboration entre les équipes métier, data engineering et analytics. Travailler dans un environnement Agile et contribuer à l'amélioration continue des processus. L'environnement fonctionnel couvre principalement les domaines Digital, Marketing et E-commerce.

Assurer la conception, la structuration, la gouvernance et l'industrialisation du catalogue de compétences agentiques de la DSIN Commerce, au sein de l'équipe AMIA du CSC VOLT. Recenser, qualifier, sécuriser et rendre réutilisables les composants agentiques développés par les projets DSIN, tout en définissant les standards de packaging, de publication, de contrôle qualité et d'onboarding associés. Le profil attendu agit comme un pivot entre les équipes de développement DSIN, le référent IA Agentique, la communauté i42 et les commanditaires métiers. Il doit garantir la qualité, la sécurité et l'accessibilité du catalogue de compétences agentiques, en combinant une forte rigueur d'audit, une capacité d'industrialisation DevSecOps et une posture pédagogique permettant de démocratiser l'usage des compétences agentiques auprès des équipes techniques comme des utilisateurs métiers. Missions : Concevoir, structurer et déployer le catalogue de compétences agentiques de la DSIN Recenser, analyser et qualifier les composants agentiques existants afin d'identifier ceux pouvant intégrer le catalogue officiel Définir le processus d'onboarding, de validation, de publication et de cycle de vie des compétences agentiques Mettre en place les pipelines CI/CD et les contrôles qualité / sécurité nécessaires à la publication des composants agentiques Assurer les revues de code, l'instruction technique des demandes d'évolution et la préparation des dossiers de validation Contribuer à l'accessibilité métier du catalogue, notamment en lien avec le projet GenIAL et la communauté i42

Rôle Concevoir et développer des agents, outils et workflows IA afin d'automatiser, assister et optimiser les activités IT et transverses de la Division Numérique. Missions Identifier et cadrer les cas d'usage IA agentiques Réaliser les analyses de faisabilité technique et fonctionnelle Concevoir et développer des agents, skills, tools et workflows IA Développer des prototypes, MVP et démonstrateurs Intégrer des solutions IA avec les systèmes et APIs existants Produire la documentation, les tests et les éléments d'industrialisation Participer aux revues de code et aux bonnes pratiques de développement Contribuer à l'amélioration continue des usages IA Compétences clés IA générative et IA agentique Développement d'agents, skills et workflows IA Prompt Engineering Automatisation et orchestration de processus Développement logiciel et intégration API Scripting GitLab, CI/CD et DevSecOps Copilot Studio Google Gemini / Gemini Code Assist Claude CLI Revue de code, qualité logicielle et sécurité applicative métier en solution opérationnelle

Contexte d'utilisation chez Limagrain Compétences attendues Niveau RAG end-to-end Retrievers & embeddings Assistants scientifiques, juridiques et métiers sur corpus internes. Optimiser la récupération de sources fiables. Ingestion, parsing, OCR, structure, chunking, embeddings, indexation, retrieval, reranking, génération et citations. Indispensa ble Dense/sparse/hybride, metadata filters, multi query, parent-child, contextual retrieval, vector stores et évaluation du retrieval. Indispensa ble Analyse documentaire Exploiter PDF, Word, PowerPoint, Layout-aware parsing, OCR, extraction Indispensa Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Technologies / savoir-faire Contexte d'utilisation chez Limagrain Compétences attendues Niveau tableaux, scans et dossiers complexes. tables/images, métadonnées, déduplication, classification et validation. ble VLM & VQA Analyser images, figures, schémas, parcelles, maladies, rapports et documents multimodaux. Vision-language models, visual question answering, grounding, OCR multimodal, évaluation et limites. Avancé Gestion du contexte Maîtriser qualité, coût et mémoire des agents. Context engineering, fenêtres, compression, résumé, mémoire court/long terme, cache, provenance et isolation. Indispensa ble Single-agent Automatiser une tâche métier avec outils et garde-fous. ReAct/tool calling, structured outputs, validation, retries, human-in-the-loop et permissions. Indispensa ble Multi-agent Décomposer les workflows complexes entre agents spécialisés. Supervisor, router, planner-executor, handoffs, shared state, parallélisme, consensus et contrôle des boucles. Avancé LangChain / LlamaIndex Assembler modèles, retrievers, tools et chaînes RAG. Intégrations, loaders, chains, agents, structured output et composants remplaçables. Avancé LangGraph Orchestration stateful et durable de workflows agentiques. Graphes, état, checkpoints, streaming, interruptions, human-in-the-loop et reprise. Avancé LangSmith Tracing, debugging, datasets, évaluations et monitoring.

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,

Contexte de la missionL'entreprise met actuellement en œuvre SAP S/4HANA dans l'ensemble de ses opérations européennes. En tant que Data Product Manager, vous piloterez les évaluations et études relatives au workstream Data & Visualization de ce programme de transformation stratégique. Vos responsabilités principales seront les suivantes : Définir et spécifier le futur modèle de Données & Reporting basé sur SAP S/4HANA Évaluer les impacts de la transformation sur les systèmes existants (legacy), les rapports et solutions analytiques Dans ce rôle, vous soutiendraitez les stakeholders métier tout au long de la transition de SAP ECC vers SAP S/4HANA, en les aidant à définir et exécuter leur stratégie de reporting et analytics en exploitant le nouveau modèle de données. L'objectif est de concevoir, structurer et livrer un portefeuille de produits data, de modèles de données et de solutions de reporting qui répondent aux besoins métier européens, tout en garantissant l'alignement avec la stratégie Data & Analytics, les standards architecturaux et les principes de gouvernance de [SOCIETE]. Objectifs et livrablesOrganiser l'étude et collecter les éléments de l'ensemble des parties prenantes Comprendre l'ambition métier, les enjeux et les objectifs Organiser et animer des ateliers avec le métier Collecter tous les éléments d'input métier nécessaires à l'étude Documenter l'architecture fonctionnelle Effectuer la modélisation des données / concevoir les couches métier (Silver layer) Organiser les contributeurs Data As a Service (Architect Technique, Data & BI Engineers) Documenter la valeur de la solution Préparer le budget et la planification (build/run)

Basée à Lille, Lyon, Nantes, Grenoble, Marseille, Paris et Bruxelles, Insitoo Freelances est une société du groupe Insitoo, spécialisée dans le placement et le sourcing des Freelances IT et Métier. Depuis 2007, Insitoo Freelances a su s'imposer comme une référence en matière de freelancing par son expertise dans l'IT et ses valeurs de transparence et de proximité. Actuellement, afin de répondre aux besoins de nos clients, nous recherchons un Data Engineer (H/F) à Lyon, France. Contexte : Les missions attendues par le Data Engineer (H/F) : Rédaction des spécifications fonctionnelles afin de couvrir l'ensemble des exigences métiers et IT (IHM, interfaces, ...) Elaborer des cahiers de tests détaillés permettant de couvrir l'ensemble des fonctionnalités de l'outil et des interfaces; Participer à la recette avec les différents interlocuteurs : métiers et leurs DSI, équipe projet. Contribuer à la mise à jour de la cartographie applicative existante et cible, Rédiger et/ou contribuer aux livrables du projet : spécifications fonctionnelles, users stories, conception de service, dans le respect des priorités données par le référent fonctionnel applicatif du domaine pour respecter les jalons Rédiger les cahiers de tests Contribuer aux qualifications et recettes Contribuer à la mise en production Reporter au référent fonctionnel applicatif du domaine et aux instances opérationnelles (comités, suivi de recette) et alerter si besoin Produire les documents nécessaire à l'exploitation de la solution (procédures et mode opératoires pour le mode run dont conception de service). Expérience significative dans la gestion de flux financiers (virements, prélévements, flux bancaires)

La Direction des Systèmes d'Information recrute un Data Engineer pour concevoir, développer et maintenir les architectures Data nécessaires à l'exploitation des données par les analystes métiers et data scientists. Principales missions : - Mener les projets d'intégration (temps réel) et data (big data & insights) - Comprendre, analyser et proposer des solutions techniques répondant aux besoins des divers acteurs de la donnée (spécialistes métier, domain managers, architecte, data analystes et scientists) - Apporter un éclairage technique sur les architectures Cloud, dialoguer avec les fournisseurs de solutions et les consultants techniques - Dans une logique de mise en production, créer et déployer des pipelines de données robustes pour les data scientists et data analysts (collecte, stockage, transformation et exploitation) - Assurer une bonne qualité des données pour les projets Machine Learning (préparation, complétude, épuration, enrichissement) dans le but d'optimiser les performances des modèles - Améliorer les processus internes : localisation et traçabilité de la donnée, standardisation des flux et des scripts de traitement des données, documentation - Collaborer avec les équipes basées aux Pays-Bas pour faciliter le Data-Sharing, échanger sur les best-practices et les moyens d'optimiser les architectures - Contribuer à l'amélioration de la gouvernance sur la protection et la confidentialité des données Conception et mise en œuvre d'une plateforme d'intégration Azure à grande échelle, servant de hub central pour 20+ applications métier et orchestrant ~150 flux d'intégration batch et temps réel répartis sur 7 ODS. Développement de flux d'intégration avec Azure Service Bus, Azure Functions, Event Grid et Azure Data Factory pour synchroniser les données entre les différents systèmes. Développement d'orchestrations distribuées et persistantes avec Azure Durable Functions pour gérer des processus métier asynchrones. Conception et gouvernance des API d'intégration via Azure API Management selon une approche spec-first avec validation des contrats d'échange. Modélisation et optimisation des ODS afin de garantir la cohérence et la disponibilité des données opérationnelles. Optimisation des requêtes SQL et des traitements de données pour améliorer les performances et la fiabilité des flux. Développement de composants mutualisés (librairies Python, modules Bicep et Terraform) afin de standardiser les développements et accélérer l'intégration de nouveaux flux. Mise en place des pipelines CI/CD, automatisation des déploiements et amélioration de l'observabilité via la standardisation des logs et des métriques personnalisées.