Trouvez votre prochaine mission ou futur job IT.

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 Machine Learning et nécessite une expertise externe afin de sécuriser leur mise en production, leur exploitation et leur alimentation en données. La mission s’inscrit à l’interface entre les équipes Data Science et Dataplatform de la DSI, avec une forte orientation industrialisation, MLOps et DataOps, dans des environnements DEV / TEST / PROD. Objectifs et livrables : -Industrialisation des projets Machine Learning développés sous Dataiku DSS -Mise en place et maintien d’une chaîne MLOps robuste et sécurisée -Déploiement et supervision des modèles ML en production -Connexion et gestion des flux de données vers Dataiku DSS -Garantir la performance, la gouvernance et la fiabilité des pipelines data -Accompagnement du passage des POC vers la production -Contribution aux bonnes pratiques MLOps & DataOps Livrables attendus : -Pipelines MLOps industrialisés et documentés -Modèles ML supervisés en production -Connecteurs Dataiku opérationnels -Documentation d’exploitation et recommandations d’amélioration continue Profil recherché : Nous recherchons un expert Dataiku DSS disposant d’une expérience significative en industrialisation de projets Machine Learning et en mise en place de chaînes MLOps. Le candidat doit être capable d’intervenir aussi bien sur les problématiques build que run, avec une forte sensibilité aux enjeux d’exploitation, de sécurité et de gouvernance des données. Une excellente maîtrise de Python, SQL et des outils CI/CD est attendue, ainsi qu’une bonne compréhension des architectures Data et des environnements Cloud (AWS, GCP ou Azure). Le profil doit être autonome, structuré et capable de collaborer avec des équipes Data Science, Data Engineering et Infrastructure.

Nous recherchons un(e) Data Scientist / Data Analyst confirmé(e) afin de rejoindre une équipe innovante de 18 personnes dédiée à la performance et à la supervision des chaînes communicantes. Vos missions Vous contribuerez à l'analyse, la supervision et l'amélioration des performances des chaînes communicantes à travers des projets à forte composante Data : Développer des modèles de prédiction du taux de facturation mensuel à l'aide d'algorithmes de Machine Learning (régression linéaire, arbres de décision, forêts aléatoires, etc.). Analyser le comportement des chaînes communicantes suite à des opérations de délestage. Réaliser des études de segmentation (clustering) afin d'identifier les caractéristiques des équipements performants et défaillants. Étudier l'état de santé et les performances des boîtiers IP. Analyser l'impact des facteurs environnementaux (température, saisonnalité, zones touristiques, etc.) sur les infrastructures WAN. Concevoir et développer des outils de supervision et d'aide à la décision. Développer des tableaux de bord et applications de visualisation de données. Participer à la rédaction de la documentation technique et fonctionnelle. Collaborer avec les équipes métiers afin de transformer les données en leviers d'amélioration continue. Environnement technique Langages & Data Science Python R SQL Outils Jira Confluence

Dans le cadre des projets portés par le groupe, vous intervenez comme Data Engineer expérimenté afin de contribuer à la conception, l’industrialisation et la maintenance de solutions data innovantes. Vous participez à la définition des solutions applicatives, au développement des traitements data, à leur intégration technique, ainsi qu’à leur suivi en production. Vos principales missions seront les suivantes : Concevoir, développer et maintenir des pipelines ETL / ELT pour des données structurées et non structurées. Préparer des datasets exploitables pour des usages d’exploration, d’analyse avancée, de data science ou de machine learning. Participer à l’industrialisation de modèles statistiques ou de machine learning. Mettre en œuvre les chaînes d’intégration, de déploiement et de suivi des solutions en production dans une logique DataOps / MLOps . Versionner les données, les modèles et le code. Monitorer la performance, la qualité et les coûts des traitements. Contribuer à l’amélioration continue des produits et solutions de la squad. Participer aux phases d’intégration, de recette technique et de mise en production. Surveiller les processus existants, identifier les axes d’amélioration et fiabiliser les traitements. Documenter les systèmes, les pipelines, les modèles et les processus mis en œuvre. Collaborer avec les membres de la squad, les équipes techniques, les utilisateurs et les parties prenantes métier.

Administrer Windows et Linux - Devops - Sysops Environnement de développement et d'intégration MCO des environnements Linux et Windows Développement de Pipeline Jenkins dans la chaine CICD Support utilisateurs de la DSI Description détaillée Objectifs principaux de la prestation : - Administration des serveurs Linux et Windows des environnements d'intégration et de développement avec une maitrise parfaite des systèmes Linux (Redhat/Centos/Rocky), de VmWare et une bonne connaissance des environnements de type Nutanix/Huawei. - Participation à la mise en place de la chaine CI/CD pour la création de VM et à la création de modules de Run (Jenkins/Ansible/Gitlab). - Traitement des tickets demandes / d'incidents émanant des équipes de développement ou d'intégration applicatives

Dans le cadre d'un renforcement d'équipe, nous recherchons un(e) Platform Engineer Observabilité. Vous évoluerez dans un environnement stratégique, au service des plateformes d'observabilité du Groupe, avec une approche Platform-as-a-Product. Votre mission sera de contribuer à l'évolution, à l'industrialisation et au maintien en conditions opérationnelles de plateformes critiques utilisées par des milliers d'utilisateurs. Votre environnement technique : vous interviendrez sur des plateformes à très forte volumétrie : Elastic Cloud Enterprise (ECE), Grafana, Chaîne d'industrialisation basée sur Git, GitLab CI, Ansible, ArgoCD, Helm Orchestration Kubernetes, le tout au sein d'un environnement de production critique, orienté DevOps, SRE et GitOps. Vos missions : Industrialiser et automatiser les infrastructures virtualisées et conteneurisées (VM et Kubernetes) selon les principes GitOps Gérer le cycle de vie complet des environnements (développement, recette, production) Assurer le support de la plateforme : onboarding des équipes, diagnostic, accompagnement, documentation et mise à disposition de golden paths Concevoir des composants réutilisables (blueprints, templates, modules) afin d'accélérer les déploiements Intégrer les exigences de sécurité et de conformité dans les pipelines CI/CD Renforcer la fiabilité des plateformes en travaillant sur la haute disponibilité, la résilience, les mécanismes de rollback, la réduction du MTTR et le suivi des SLO Participer à l'amélioration continue des pratiques Platform Engineering et SRE

Tech Lead en grand compte, c'est d'abord garantir la réussite technique d'un produit : architecture cible, choix technologiques, qualité logicielle, cybersécurité by design, industrialisation, montée en compétence d'une équipe. La chaîne data et l'IA font partie du scope de la Squad — comme une dimension du produit, pas comme votre spécialité d'expert. Vous avez tenu ce rôle 3 à 5 ans en SAFe ? Rejoignez une Squad Agile Data & IA d'un leader européen de la production électrique. Au sein d'une Squad Agile Data & IA d'un leader européen de la production électrique, vous rejoignez en Tech Lead un produit dont vous êtes le référent technique principal. Vous êtes responsable de l'architecture cible, des choix technologiques, de la qualité des développements, de la sécurité, de l'industrialisation et de la montée en compétence de l'équipe. Le produit couvre plusieurs couches techniques que vous portez en transverse : backend Java / Spring Boot avec APIs REST (OpenAPI, OAuth2 / JWT) déployé sur Openshift et adossé à des plateformes data internes (Hexadata, GoldenGate), frontend Angular ou React, pipelines data (Airflow, Spark, Trino, Data Warehouse, Data Lake), chaîne IA (Machine Learning, Deep Learning, LLM, RAG, LangChain, IA agentique), cloud et DevOps (Azure / AWS / GCP, Docker, Kubernetes, Terraform, GitLab CI/CD, Jenkins, SonarQube). Vous portez également les sujets de cybersécurité (OWASP, IAM, MFA, chiffrement, RGPD, sécurisation des APIs, gestion des secrets) et le support de niveau 3 / maintenance évolutive. La data et l'IA sont dans le scope de la Squad — vous appréhendez la chaîne sans être attendu comme expert pur sur ces sujets. Vos Responsabilités Votre quotidien s'articulera autour de quatre piliers majeurs : Architecture cible & choix technologiques : Définir l'architecture cible du produit et réaliser les choix technologiques structurants sur l'ensemble des couches — backend Java / Spring Boot, frontend Angular ou React, pipelines data (Airflow / Spark / Trino), chaîne IA, cloud (Azure / AWS / GCP), déploiements Openshift. Arbitrer les décisions d'architecture transverses et défendre les options retenues. Tech leadership, qualité & industrialisation : Encadrer les développeurs (coaching, pair programming, animation d'ateliers techniques, gestion de la dette technique), réaliser les revues de code, garantir la qualité logicielle (couverture de tests, SonarQube), piloter les sujets DevOps et CI/CD (Git, GitLab, Jenkins, Docker, Kubernetes, Terraform), et participer aux cérémonies Agile et SAFe. Cybersécurité by design : Assurer la sécurité des développements et porter les standards de cybersécurité du produit (OWASP Top 10, gestion des identités et des accès, MFA, chiffrement des données, RGPD, sécurisation des APIs, gestion des secrets) dans un cadre grand compte exigeant. Référent technique du produit, support N3 & livrables : Constituer le référent technique principal du produit, accompagner les décisions stratégiques, assurer le support de niveau 3 et la maintenance évolutive, et produire les livrables structurants (dossiers d'architecture, spécifications techniques, schémas de flux, documentation Confluence, backlog technique, plan de tests, guides de déploiement, documentation d'exploitation).