Trouvez votre prochaine mission ou futur job IT.

Le prestataire sera le garant de l'intelligence analytique appliquée aux flux opérationnels. Ses responsabilités principales incluent : Conception d'algorithmes de détection d'anomalies : Développement de jobs (Python) permettant l'identification proactive de signaux faibles sur les infrastructures et applications. Corrélation de données multi-sources : Mise en place de logiques de corrélation entre les logs (Elasticsearch) et les métriques de performance/topologies (Dynatrace). Modélisation pour la Root Cause Analysis (RCA) : Structuration des données d'observabilité pour permettre leur exploitation par les LLM (via les frameworks LangChain/LangGraph de l'équipe Core). Réduction du bruit (Noise Reduction) : Optimisation des mécanismes d'alerting par le Machine Learning pour isoler les incidents critiques des faux positifs. Profil recherché – Compétences Techniques : +++ Culture Ops : Bonne compréhension des architectures IT bancaires et des problématiques de haute disponibilité. Expertise Python : Développement de scripts de traitement de données et d'automatisation. Observabilité avancée : Maîtrise de l'écosystème Dynatrace et de la suite Elastic. l'expertise sur d'autres outils d'observabilité sera également étudiée. Data Science / ML : Solides connaissances en algorithmes de détection d'anomalies (Unsupervised Learning, Time Series Analysis). * IA Générative : Compréhension des interactions avec les LLM (Prompt engineering technique et structuration de données pour RAG/Agents).

Cloud Automation & Data Engineering Contexte général Pour le compte d’un grand groupe industriel international nous recherchons un profil Cloud Automation & Data Engineer afin d’intervenir sur des environnements cloud AWS à forte composante automatisation, DevSecOps et data platforms . La mission s’inscrit dans un contexte de modernisation des plateformes cloud et data , avec des exigences élevées en matière de sécurité, gouvernance et industrialisation . Objectifs de la mission Automatiser et fiabiliser les infrastructures cloud et les services data Industrialiser les déploiements applicatifs et data via des pratiques DevSecOps Concevoir et maintenir des plateformes cloud et data scalables, sécurisées et conformes Accompagner les équipes projets sur les bonnes pratiques cloud & data engineering Responsabilités principales 1. Automatisation des infrastructures cloud Conception et mise en œuvre d’infrastructures cloud as code (Terraform) Automatisation du provisioning et du cycle de vie des ressources cloud AWS Optimisation des environnements cloud (scalabilité, disponibilité, performance) Automatisation des services data AWS (S3, Glue, Kinesis, etc.) Industrialisation et supervision des pipelines data 2. DevSecOps & CI/CD Mise en place et amélioration de pipelines CI/CD Intégration des contrôles de sécurité dans les chaînes de déploiement Automatisation des tests, validations de données, contrôles de qualité et schémas Utilisation d’outils type GitLab, GitHub, Jenkins 3. Platform Engineering & Data Platforms Conception de plateformes applicatives cloud (microservices, serverless, conteneurs) Contribution à des frameworks et outils internes de platform engineering Conception et maintien de composants data : data lake, ingestion, événements Mise en œuvre d’architectures orientées événements et données (Lambda, Kinesis, etc.) 4. Sécurité & conformité cloud/data Implémentation des mécanismes de sécurité (IAM, KMS, chiffrement, contrôle d’accès) Application des politiques de gouvernance et conformité cloud Gestion de la gouvernance data : catalogage, classification, traçabilité, accès Mise en place de politiques de rétention, audit et monitoring des données sensibles 5. Collaboration & expertise Travail en étroite collaboration avec des équipes pluridisciplinaires (DevOps, architectes, sécurité, data) Partage de bonnes pratiques et accompagnement technique Veille technologique et recommandations sur les évolutions cloud & data Formation et mentoring sur les services data AWS et les modèles d’automatisation Compétences attendues Techniques Expertise AWS (infrastructure et services data) Infrastructure as Code : Terraform DevSecOps & CI/CD Conteneurisation et orchestration (Docker, Kubernetes) Architectures serverless et microservices Scripting et développement : Python, Bash, SQL Data engineering : ETL/ELT, data modeling, data lifecycle Gouvernance et qualité de la donnée Connaissance de Snowflake appréciée Transverses Bonne capacité d’analyse et de résolution de problèmes Autonomie et sens de l’industrialisation Bon relationnel et capacité à travailler en environnement complexe Approche pragmatique entre contraintes opérationnelles et ambitions techniques