Trouvez votre prochaine mission ou futur job IT.

developpement un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning, inspiré des approches DS-STAR et MLE-STAR de Google Research. Son architecture repose sur un cœur générique associé à des plugins spécialisés. Le système automatise notamment les activités suivantes : analyse et formalisation du problème ; proposition et priorisation d'expériences ; génération, exécution et correction du code ; validation expérimentale et évaluations rétrospectives ; études d'ablation et sélection robuste des modèles. La mission consiste à faire évoluer ce framework selon deux axes prioritaires, tout en garantissant la qualité scientifique, la reproductibilité des expérimentations et l'intégration des développements dans l'écosystème existant. Objectif 1 — Amélioration du plugin Event Forecasting : Consolider un plugin capable d'intégrer des événements dans les prévisions de séries temporelles, selon un protocole scientifique rigoureux. Les travaux porteront notamment sur : découverte, qualification et représentation structurée des événements ; modélisation de leur probabilité d'occurrence, de leur date de début, de leur durée, de leur intensité, de leur direction, de leur incertitude et de leur impact ; production de scénarios sans événement, central, optimiste, pessimiste et de stress ; intégration de méthodes statistiques, de Machine Learning et de Deep Learning adaptées ; prise en compte stricte de la date de publication des informations afin d'éviter toute fuite temporelle ; mise en place de tests placebo, d'évaluations rétrospectives événementielles et de comparaisons avec un modèle de référence sans événements ; amélioration de la robustesse, de la reproductibilité et de l'interprétabilité des résultats. Objectif 2 — Cas d'usage IoT : détection de pannes : Concevoir et intégrer dans RAFA un plugin dédié aux données IoT et à la maintenance prédictive. Les travaux porteront notamment sur : détection précoce des anomalies et des signaux précurseurs de panne ; estimation de la probabilité de panne et, lorsque les données le permettent, de la durée de vie utile restante ; exploitation de séries temporelles multivariées issues de capteurs, avec gestion des données manquantes, du bruit et des changements de régime ; comparaison d'approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie ; évaluation des modèles selon des protocoles temporels réalistes et mesure de leur capacité de généralisation à de nouveaux équipements ; production d'alertes explicables, hiérarchisées et exploitables par les équipes métier. Livrables attendus : plugins Event Forecasting et IoT intégrés, testés et documentés dans RAFA ; protocoles expérimentaux, jeux de tests, modèles de référence et résultats comparatifs reproductibles ; code source versionné, documentation technique et guide de prise en main ; synthèses des travaux, recommandations et présentation régulière des résultats ; transfert de connaissances vers les équipes internes. Critères de réussite : amélioration mesurable des performances par rapport aux modèles de référence ; absence de fuite temporelle et respect des protocoles de validation définis ; reproductibilité des expérimentations et traçabilité des résultats ; qualité, maintenabilité et intégrabilité du code livré ; appropriation des développements et de la documentation par les équipes internes.

Contexte et enjeux Dans un contexte de stock important de recommandations relatives à la protection des données personnelles, une task force dédiée est mise en place afin d'accélérer leur traitement, de sécuriser les plans de remédiation et d'obtenir leur clôture dans les délais attendus. Le Directeur de projet interviendra comme point de coordination central entre les équipes Sécurité, Privacy, Juridique, Risques, Conformité, métiers et IT. Il devra prioriser les recommandations les plus structurantes, lever les points de blocage et garantir la production des preuves et livrables nécessaires avant la fin de l'année. Objectifs de la mission· Réduire significativement le stock de recommandations Privacy ouvertes. · Sécuriser la trajectoire de clôture, les échéances et les responsabilités. · Garantir la qualité, la traçabilité et l'acceptabilité des éléments de preuve. · Mettre en place une gouvernance et un reporting permettant des arbitrages rapides. Responsabilités principales· Pilotage du portefeuille : consolider les recommandations, qualifier leur criticité, définir les priorités et construire une feuille de route réaliste. · Direction de projet de bout en bout : assurer le cadrage, la planification, l'exécution, le déploiement et la clôture des chantiers confiés. · Plans de remédiation : analyser les écarts, formaliser les actions correctrices, identifier les dépendances et suivre leur mise en œuvre. · Production des livrables : rédiger ou faire produire les dossiers de clôture, procédures, analyses de risques, plans d'action, comptes rendus et supports de décision. · Coordination transverse : organiser et animer les équipes Sécurité, Privacy, Juridique, Conformité, Risques, métiers et IT. · Gestion des engagements : piloter les délais, budgets, ressources, risques, alertes, livrables et niveaux de qualité. · Challenge des parties prenantes : vérifier la robustesse des solutions proposées et obtenir des engagements clairs sur les actions attendues. · Gouvernance et reporting : préparer et animer les comités projet et de pilotage, produire des indicateurs fiables et faciliter les arbitrages. · Conduite du changement : accompagner l'appropriation des nouvelles exigences, processus et contrôles par les équipes concernées. Livrables attendus· Cartographie et priorisation du portefeuille de recommandations. · Feuille de route consolidée et plans d'action détaillés. · Registre des risques, dépendances, décisions et points de blocage. · Tableaux de bord d'avancement et supports des comités de gouvernance. · Dossiers de preuve et demandes formelles de clôture. · Bilan de mission et recommandations pour pérenniser le dispositif. Critères de réussite· Respect des jalons et du calendrier de clôture. · Diminution mesurable du nombre de recommandations ouvertes et en retard. · Qualité et complétude des éléments de preuve soumis. · Réduction des risques résiduels et absence de réouverture liée à des dossiers incomplets. · Satisfaction des sponsors et fluidité de la coordination entre les parties prenantes.

Nous recherchons un(e) ingénieur Data BI expérimenté Contexte Au sein d'une Data Factory nous recherchons à renforcer notre équipe avec un Data Engineer expérimenté, une expérience dans le secteur du e-commerce serait apprécié. La Data Factory de notre client joue un rôle central dans l'exploitation et l'optimisation des données pour soutenir les différentes initiatives stratégiques de l'entreprise. Elle se concentre sur la création d'une infrastructure de données robuste, la mise en place de pipelines de données fiables, et l'exploitation de données pour générer des insights à forte valeur ajoutée pour les équipes. Description • Participe à l'analyse du besoin avec la supervision du binôme PO/TechLead et à la conception du modèle de données permettant de répondre aux enjeux. • Utilise l'analyse des données pour fournir des éléments significatifs et éclairer la conception/mise en œuvre des projets • Conçois, développe et maintien les pipelines de données pour l'acquisition, la transformation, le stockage et la mise à disposition des données. • Optimise les performances des développements pour assurer une disponibilité et une fiabilité maximale • Identifie et résout les goulots d'étranglement et les problèmes de performances dans les flux de données • Met en place des processus et des contrôles pour garantir la qualité des données • Conçoit et met en œuvre des systèmes d'alerte, de monitoring et de reprise automatique efficaces. • Réalise la recette technique et participe à animer la recette fonctionnelle avec les utilisateurs et le PO • Rédaction des documents associés au projet (Spécifications Techniques, Cahier de recette Technique, Document d'exploitation) • Être force de proposition sur l'amélioration de la stack Data • Faire le reporting d'avancement des travaux • Support au déploiement • Assure la maintenance corrective ou évolutive • S'assure de la cohérence des livrables avec les règles et bonnes pratiques définies au sein de l'équipe Livrables Spécifications Techniques, Cahier de recette Technique, Document d'exploitation Reporting d'avancement des travaux Programme développés

Mission : -Architecture & Développement : Concevoir et développer les pipelines d'ingestion/traitement, les briques de normalisation et les API d'exposition des données. -Core Framework : Faire évoluer le framework commun (CI/CD, monitoring, tests automatisés, résilience, performance, qualité de code). -Leadership technique : Piloter des chantiers de dev, challenger les besoins métiers, faire respecter les standards d'architecture et coacher l'équipe. Stack & Compétences requises : -Software Engineering : Excellente maîtrise de Python (POO, modularisation, clean code), Git & Git Flow. -Big Data & Performance : Spark, Glue, Parquet, S3, HDFS, SQL avancé. Expertise en optimisation (partitionnement, bucketing, cache, tuning Spark/SQL). -Cloud AWS : S3, Lambda, Glue, IAM, EventBridge, CloudWatch. -DevOps & IaC : Pratiques CI/CD robustes et Infrastructure as Code. (Important : Vous devez maîtriser au moins 2 à 3 des domaines techniques clés ci-dessus). -Lieu : Hauts-de-Seine (92) / Île-de-France. -Déplacements : Ponctuels à prévoir en France (Lyon) et en Belgique (Bruxelles). -Spécificité : Astreintes possibles.

Nous recherchons un Data Engineer Senior pour renforcer une squad dédiée à la performance énergétique, au sein d'une plateforme Data organisée en Data Mesh. Vous interviendrez sur des sujets à forte dominante Data Engineering, développement Python, Cloud AWS et industrialisation de solutions Data & IA, avec un rôle à la fois opérationnel et de référent technique. Vos missions :Concevoir et développer des pipelines de données robustes, industrialisés et maintenables. Développer des API et services Python, notamment avec FastAPI. Concevoir et faire évoluer des solutions sur AWS : Glue, Lambda, SQS, SNS, Redshift, API Gateway… Concevoir et optimiser les traitements SQL et les modèles de données sur Redshift. Participer à la mise en œuvre et à l'évolution des modèles de données avec dbt. Concevoir et maintenir les orchestrations avec Airflow. Mettre en place les tests automatisés, le monitoring, l'alerting et la supervision. Contribuer à la construction et à l'évolution de Data Products dans un environnement Data Mesh. Participer à des cas d'usage Data Science, Machine Learning et IA appliquée. Contribuer à l'industrialisation et à la mise en production de modèles et solutions IA. Prendre en charge le Run, analyser les incidents et garantir la fiabilité des produits de données. Participer aux choix techniques, benchmarks, POC et spikes. Travailler en proximité avec les Data Analysts, Analytics Engineers, Data Scientists, Architectes et Product Owners.

Contexte de la mission : Dans le cadre de l'accélération de sa transformation Data, notre client recherche un Data architect, expert en data modélisation, pour contribuer à la construction et à l'évolution de la plateforme de données unifiée du Groupe. Au coeur des enjeux de gouvernance, de qualité et de valorisation de la donnée, vous interviendrez sur la définition d'un modèle de données robuste, cohérent et partagé à l'échelle de l'entreprise. Vous collaborerez avec les équipes Data, Métiers, Gouvernance et Produits afin de garantir l'alignement entre les besoins business, les standards de modélisation et les capacités techniques de la plateforme. Cette mission stratégique s'inscrit dans une ambition forte : faire de la donnée un véritable levier de pilotage et de création de valeur pour l'ensemble du Groupe. Responsabilités : * Piloter l'évolution du modèle de données Groupe pour la plateforme unifiée, en assurant la gestion de son cycle de vie, de son périmètre fonctionnel et du backlog associé ; * Définir et promouvoir les standards de modélisation, les bonnes pratiques, les processus de gouvernance ainsi que les modèles et templates réutilisables par les équipes ; * Accompagner les équipes Data Product dans la conception et l'implémentation des modèles de données logiques et physiques ; * Assurer le mapping entre les concepts métier, les sources de données et les structures de données de référence afin de faciliter les développements et l'intégration des nouveaux cas d'usage ; * Garantir la qualité et la cohérence des évolutions du modèle en collaboration avec les différentes parties prenantes, en veillant à l'alignement avec le glossaire métier et les règles de gouvernance ; * Définir et suivre les indicateurs permettant de mesurer l'adoption, la valeur ajoutée et l'impact du modèle de données au sein de l'organisation.

Nous recherchons un(e) Tech Lead Data Engineer capable de trouver des solutions innovantes et robustes à l'ensemble des problématiques Data. Vous aurez la charge de : • Assurer la mise en œuvre de l'accès, du référencement et de la qualité de la donnée • Assurer l'industrialisation, la supervision et l'intégration des solutions • Rédiger les normes de développement • Participer à la rédaction du manuel d'exploitation En tant que Tech Lead, vous savez : • Vous présenter et promouvoir des architectures data face au client • Identifier et comprendre les besoins métiers • Former, encadrer et faire évoluer les consultants juniors • Participer à la réponse aux appels d'offres (avant-vente) Référence de l'offre : dedbg6qwsh

Nous recherchons un(e) Tech Lead Data Engineer capable de trouver des solutions innovantes et robustes à l'ensemble des problématiques Data. Vous aurez la charge de : • Assurer la mise en œuvre de l'accès, du référencement et de la qualité de la donnée • Assurer l'industrialisation, la supervision et l'intégration des solutions • Rédiger les normes de développement • Participer à la rédaction du manuel d'exploitation En tant que Tech Lead, vous savez : • Vous présenter et promouvoir des architectures data face au client • Identifier et comprendre les besoins métiers • Former, encadrer et faire évoluer les consultants juniors • Participer à la réponse aux appels d'offres (avant-vente) Référence de l'offre : efielz010x

Dans le cadre d'un programme stratégique mené au sein d'un groupe international, nous recherchons un profil Data expérimenté maîtrisant Dataiku et Oracle. Vous interviendrez sur un environnement Dataiku existant composé de flux complexes. La mission associe expertise technique, compréhension fonctionnelle des données et coordination avec différentes équipes métiers et IT. 🔹 Vos missions : Analyser et comprendre les flux Dataiku existants Faire évoluer, optimiser et fiabiliser les traitements en place Intégrer de nouvelles sources de données au sein de la plateforme Concevoir des traitements robustes, maintenables et évolutifs Participer à la modélisation des données sous Oracle Contrôler la qualité, la cohérence et l'intégrité des données Identifier et analyser les anomalies et les rejets de flux Qualifier l'origine des erreurs et coordonner leur résolution avec les équipes concernées Sécuriser la correction et la réintégration des données dans les flux Recueillir et comprendre les besoins fonctionnels Assurer l'interface entre les équipes Data, IT, Salesforce, commerciales et métiers Expliquer les problématiques Data de manière claire à des interlocuteurs techniques et fonctionnels

Dans le cadre du développement et de la modernisation de notre plateforme Data, nous recherchons un(e) Tech Lead Data disposant d'une expertise forte sur Snowflake et dbt. Vous rejoindrez une équipe Data en charge de concevoir, développer et faire évoluer des solutions permettant de collecter, transformer, structurer et valoriser les données de l'entreprise. En tant que Tech Lead, vous serez à la fois référent(e) technique, contributeur(trice) sur les sujets complexes et garant(e) des bonnes pratiques d'architecture, de développement et de qualité des données. Vos principales responsabilités seront : Définir et faire évoluer l'architecture technique de la plateforme Data autour de Snowflake et dbt. Concevoir des modèles de données robustes, performants et maintenables. Développer et industrialiser les transformations de données avec dbt. Concevoir et optimiser les traitements et structures de données dans Snowflake. Mettre en place et faire respecter les bonnes pratiques de développement : Git, code review, CI/CD, tests automatisés, documentation et gestion des versions. Définir les standards de modélisation et de développement Data au sein de l'équipe. Garantir la qualité, la fiabilité, la traçabilité et la performance des données. Identifier les problématiques de performance et proposer des solutions d'optimisation, notamment sur Snowflake. Accompagner les développeurs Data dans la résolution des problématiques techniques complexes. Participer aux choix technologiques et aux décisions d'architecture. Contribuer à la mise en place d'une démarche DataOps / CI-CD. Collaborer étroitement avec les équipes Data Engineers, Data Analysts, Data Scientists, Product Owners et métiers. Assurer une veille technologique sur les évolutions de l'écosystème Data Cloud.

Bonjour, Je suis à la recherche d'un Ingénieur Data Big Data / Snowflake : Missions principales : • Définir et concevoir l'architecture Data cible dans un environnement Cloud • Mettre en place et faire évoluer les plateformes Big Data et Snowflake • Concevoir et déployer des architectures événementielles (EDA) robustes et évolutives • Définir les standards, normes et bonnes pratiques d'architecture Data • Accompagner les équipes de développement sur les choix techniques et les bonnes pratiques • Mettre en œuvre des solutions d'intégration continue et d'industrialisation des déploiements • Participer à la conception et à l'implémentation d'architectures microservices • Optimiser les performances, la qualité et la sécurité des flux de données • Réaliser des preuves de concept (PoC) et des études d'architecture • Produire et maintenir la documentation technique, les dossiers d'architecture et les livrables d'audit • Participer à la gouvernance Data et aux évolutions stratégiques de la plateforme • Assurer un support et une expertise technique auprès des équipes projets

Nous recherchons un Data Engineer confirmé ou senior pour intervenir sur une plateforme data moderne reposant sur Snowflake et dbt, avec une forte exigence en modélisation Data Vault. Contexte de la mission : Vous rejoindrez une équipe Data en charge de structurer et faire évoluer une architecture analytique robuste et scalable. La mission s'inscrit dans une logique d'industrialisation, de qualité et de standardisation des flux. Missions principales Concevoir et implémenter des modèles Data Vault (obligatoire). Développer et optimiser les transformations via dbt. Modéliser et structurer les données dans Snowflake. Participer à la définition des standards d'architecture et des bonnes pratiques. Assurer la qualité, la performance et la traçabilité des données. Collaborer avec les équipes BI (notamment Power BI) et métiers.

Véritable référent technique, vous participerez aux choix d'architecture et piloterez les développements Data afin de construire une plateforme robuste, évolutive et pérenne.Au sein des équipes Data, en collaboration étroite avec les équipes Infrastructure et les métiers, vous serez chargé de :Définir, concevoir et faire évoluer l'architecture Data (ingestion, stockage, modélisation et exposition des données). Piloter les activités de Data Engineering et garantir l'application des bonnes pratiques de développement. Encadrer, accompagner et faire monter en compétence les équipes de développement internes et externes. Arbitrer les choix techniques et assurer la cohérence globale de l'écosystème Data. Garantir la qualité, la performance, la maintenabilité et la scalabilité des solutions déployées. Structurer la documentation technique et contribuer à l'industrialisation des développements. Participer à l'amélioration continue des méthodes de travail et des processus Agile. Collaborer avec les différentes parties prenantes afin d'aligner les solutions techniques sur les besoins métiers. Environnement techniqueTechnologies et outilsPython SQL ETL / ELT Orchestration de pipelines de données Data Lake Data Warehouse Environnements Cloud DevOps et CI/CD Méthodologies Agile

Il s'agit d'assister le client en tant qu'ingénieur DATA sur le service de cloud datawarehouse sous Azure. Nous recherchons un Data Engineer ayant déjà fait du DevOps, capable de travailler à la fois sur les traitements de données (Databricks, architecture médaillon bronze / silver / gold) et sur l'infrastructure cloud associée (Azure, Terraform, Jenkins), dans un contexte d'entreprise avec des standards Git et CI/CD.Du conseil, des études d'opportunité et dossiers d'innovation seront demandés. Missions principales (Data & supervision) • Concevoir, développer et enchaîner des notebooks Databricks en PySpark pour alimenter les zones bronze, silver et gold. • Maîtriser et exploiter les formats parquet, delta et csv, en comprenant leurs impacts sur la performance, la robustesse et les coûts. • Optimiser les notebooks et jobs existants (performance, qualité de données, coûts d'exécution). • Mettre en place et faire vivre la supervision des flux : monitoring des pipelines Azure Data Factory, suivi de la qualité des données, création d'alertes et de tableaux de bord de suivi. • Contribuer à la fiabilisation globale de la plateforme data (détection d'anomalies, reprise sur incident, bonnes pratiques de développement). • Collaborer avec les équipes métier et techniques pour comprendre les besoins, prioriser les évolutions et industrialiser les traitements. Missions annexes (DevOps & infra) • Mettre à jour et faire évoluer les repos d'infrastructure (Terraform, Jenkins) en suivant les templates et bonnes pratiques du git d'entreprise. • Maintenir, paramétrer et exécuter les pipelines Jenkins liés aux déploiements et aux traitements data, en garantissant leur fiabilité et leur traçabilité. • Participer activement à la vie des repos GitHub : revue de code (PR/MR), gestion des branches, compréhension des workflows Git avancés, automatisation et diffusion des bonnes pratiques. Technologies & environnement technique • Cloud & data platform : Azure, Databricks, Azure Data Factory, Azure Storage Account, Azure Key Vault, Power BI. • Infra & CI/CD : Terraform, Jenkins, GitHub (PR/MR, workflows), intégration runtime via VM. • Langages & frameworks : Python, PySpark (DataFrame API, Spark SQL), SQL. • Formats & data : parquet, delta, csv… • Librairies Python courantes : o pyspark (transformations, jointures, agrégations, optimisations). o delta-spark et librairies Delta Lake pour la gestion des tables (ACID, time travel, optimisation). o Packages Azure (azure-identity, azure-keyvault-secrets, azure-storage-blob, etc.) pour l'intégration avec les services cloud.