Trouvez votre prochaine mission ou futur job IT.

Mission au Luxembourg. Il est impératif et obligatoire de résider proche frontière LUXEMBOURG Nous recherchons un(e) consultant(e) expérimenté(e) pour administrer et faire évoluer une plateforme Dataiku DSS au sein d’une équipe Data Science & AI. Vous contribuerez également à des projets techniques transverses (OpenShift, DevOps, MLOps, LLMOps). Missions : Administration, maintenance et optimisation de la plateforme Dataiku DSS Automatisation des opérations via Python (monitoring, upgrades, gestion utilisateurs) Support aux utilisateurs (data scientists, analystes, métiers) Collaboration avec les équipes infrastructure (OpenShift / Kubernetes) Développement de composants réutilisables (plugins, recettes, indicateurs) Rédaction et mise à jour de la documentation technique Participation à des projets DevOps, MLOps, LLMOps Profil recherché : Bac+3 à Bac+5 en informatique, data engineering ou équivalent Expérience >6 ans en administration de Dataiku DSS en environnement de production Maîtrise de Python, scripting, CI/CD Connaissances en OpenShift, Kubernetes, Big Data (Hadoop, Spark, Kafka) Autonomie, rigueur, esprit analytique Expérience dans le secteur bancaire appréciée

Dans le cadre d'un programme de digitalisation des laboratoires (organisation Agile à l'échelle – SAFe), le développeur front-end intègre une équipe produit chargée de construire et maintenir des applications digitales liées à la conception de matériaux. Objectif : délivrer des incréments itératifs, maintenables et performants. Conception et développement des services front-end (cadre UX, recommandations architectes) Participation aux choix technologiques front (perf, sécu, maintenabilité) Garantie de cohérence technique inter-applications du programme TDD / Tests unitaires et E2E (Jasmine/Karma, Playwright) – revues de code Configuration et maintien des pipelines front (build, tests, lint, déploiement) Collaboration avec métier, analystes, équipes BO/FO, DevOps, data scientists Participation aux cérémonies Agile (sprints et PI SAFe)

Contexte : Au sein d’une équipe dédiée aux développements tactiques et à l’innovation technologique, vous participerez à la conception de solutions digitales répondant rapidement aux besoins métiers. Vous interviendrez sur des projets variés associant développement Full Stack, exploitation de la Data et Intelligence Artificielle Générative. Intégré à une équipe pluridisciplinaire composée de développeurs, Data Engineers, Data Scientists, Tech Leads et chefs de projet, vous évoluerez dans un environnement agile favorisant l’innovation, l’autonomie et la collaboration étroite avec les métiers. Missions : Concevoir et développer des solutions logicielles de bout en bout. Développer des applications Full Stack en Python et Angular. Concevoir et développer des API performantes à l’aide de FastAPI. Participer à la réalisation de Proofs of Concept autour de l’Intelligence Artificielle Générative. Concevoir et développer des applications exploitant des modèles d’IA Générative. Mettre en œuvre des solutions basées sur les concepts de RAG (Retrieval-Augmented Generation). Développer des interfaces utilisateur dynamiques, performantes et réactives avec Angular. Optimiser les performances applicatives et garantir la qualité du code produit. Mettre en œuvre les tests unitaires et fonctionnels nécessaires à la fiabilité des applications. Assurer la maintenance évolutive et le support des applications existantes. Collaborer avec les équipes métiers, produit et design afin de recueillir, analyser et challenger les besoins. Participer à la définition et à la diffusion des bonnes pratiques de développement. Contribuer à la documentation technique des projets. Participer activement aux cérémonies Agile et à l’amélioration continue de l’équipe.

Dans un contexte d’accélération des usages Data & IA, vous intervenez au sein du collectif Data IARD en tant que référent sécurité sur les sujets liés aux données, à l’intelligence artificielle et aux environnements cloud. Vous évoluez dans un écosystème transverse, en forte proximité avec : les équipes Data & IA (Data Scientists, ML Engineers, AI Engineers), les équipes Cloud & plateforme . Votre rôle consiste à garantir la sécurisation des usages data et IA , tout en permettant leur adoption à grande échelle.

🎯 Okara cherche un Analytics Engineer / Data Engineer L’enjeu : Devenir le garant de l'équilibre économique chez l'un des leaders mondiaux du retail et de l'aménagement de la maison. En tant que consultant·e Okara, tu rejoins l'équipe "Finance & Performance" de notre client pour piloter la rentabilité de la structure. Ton terrain de jeu ? Une équipe de choc de qui gère le Build et le Run de produits data critiques. Un scope hybride passionnant, au carrefour du Data Engineering, de la modélisation et de la business intelligence. 🚀 Ton rôle Tu es l'architecte de la performance financière. L'enjeu actuel est double : moderniser la tuyauterie technique et traquer le moindre coût superflu pour optimiser l'infrastructure. Concrètement, tu vas : Propulser la migration (Modern Data Stack) : Participer activement au passage des flux historiques vers DBT . Tu ne te contentes pas de déplacer la donnée, tu la structures intelligemment en étoile directement dans BigQuery pour soulager la restitution. Piloter par la performance (Le défi FinOps) : Devenir le chasseur officiel de requêtes gourmandes. Ton objectif ? Atteindre une réduction des coûts cloud et DataViz en appliquant les meilleures pratiques de code Illuminer le Business (Analytics & Restitution) : Consacrer 20 à 30% de ton temps à façonner des modèles sémantiques et concevoir des dashboards Power BI fluides, performants et directement actionnables par les directions métiers. Garantir une donnée de confiance : Assurer la qualité, le nettoyage (adieu les doublons !) et la cartographie des données entrant dans le Data Lake pour faciliter le travail des Data Analysts et Data Scientists.

Date de démarrage : ASAP Date de fin : 31/10/2026 Localisation : Paris Tarif Journalier Moyen (TJM) Max : 660 € Descriptif de la Mission Au sein des équipes Data, vous interviendrez sur la conception, le développement, la gouvernance et l'optimisation de nos plateformes de données. Vos activités principales s'articuleront autour de quatre grands piliers : 1. Développement & Architecture Data Concevoir et développer des pipelines de données robustes et scalables sur Databricks ( PySpark , Spark SQL , Delta Live Tables ). Mettre en place des architectures Lakehouse basées sur Delta Lake . Industrialiser et orchestrer les workflows ETL/ELT à l'aide de Databricks Workflows . 2. Gestion et Administration de la Plateforme Databricks Administrer l’espace de travail (gestion des workspaces, configuration des clusters, gestion des permissions). Assurer l'optimisation des coûts (finops) via la configuration fine, l’autoscaling et le monitoring des clusters. Implémenter et faire respecter les bonnes pratiques de sécurité ( Unity Catalog , gestion des accès, lineage de la donnée). 3. Gouvernance & Qualité des Données Mettre en place des mécanismes stricts de qualité et de validation des données ( expectations , tests automatisés). Documenter rigoureusement les modèles et les flux sur la plateforme. Garantir la fiabilité, la cohérence et la fraîcheur des données mises à disposition. 4. Collaboration & Support Collaborer étroitement avec les Data Analysts, Data Scientists et les équipes métiers. Accompagner et former les utilisateurs clés dans l’adoption et la prise en main de l'écosystème Databricks. Participer activement aux revues de code, à la standardisation et au partage des bonnes pratiques d'ingénierie. Compétences RequisesTechniques (Incontournables) : Développement : Excellente maîtrise de PySpark ou Spark SQL . Écosystème : Forte expérience pratique avec Databricks (pipelines, clusters, notebooks, Unity Catalog). Architecture : Solides connaissances des architectures Lakehouse , du data modeling, des concepts ETL/ELT et des stratégies d'ingestion (batch & streaming). Cloud : Connaissance approfondie d’au moins un des principaux fournisseurs cloud ( Azure , AWS ou GCP ). DevOps : Maîtrise de Git et des pratiques de CI/CD (Azure DevOps, GitHub Actions, etc.). Souhaitées (Un plus) : Connaissances en MLflow , orchestration de modèles et pratiques MLOps . Notions avancées en DataOps , cost optimization (FinOps) et outils de monitoring. Expérience dans l’exploitation d’APIs et l'ingestion de données en temps réel (ex: Kafka ).

Bonjour à tous, notamment aux UI Designers 🎨✨ 🔎 Je cherche un UI Designer Senior pour rejoindre un environnement innovant qui rassemble plus de 300 experts du digital (Data Scientists, UX Designers, Software Engineers, Tech Leads...) et qui pilote simultanément plusieurs dizaines de produits et initiatives digitales à forte valeur ajoutée. Au sein d’un Design Studio composé d’une vingtaine de designers, vous interviendrez sur plusieurs produits digitaux et contribuerez à garantir la cohérence, la qualité et la scalabilité des interfaces utilisateurs à travers le pilotage du UI Kit et la contribution au Design System. 💻 Ce que tu vas faire : Concevoir des interfaces visuelles cohérentes et qualitatives (typographies, couleurs, composants, navigation, mise en page) Réaliser des prototypes interactifs pour les tests utilisateurs et démonstrations Collaborer étroitement avec les UX Designers, Product Designers et développeurs Assurer le suivi de la qualité UI jusqu’à la mise en production (UI Reviews, QA, recette) Maintenir et faire évoluer le Design System et le Design Kit existant Concevoir des composants Figma scalables en exploitant les dernières fonctionnalités Créer des icônes et logotypes Utiliser les outils d’IA pour accélérer les workflows de conception et de documentation Participer aux communautés Design, formations Figma et sujets transverses du Studio 🎯 Environnement & Outils : Figma • Figma Make • Miro • GitHub • Copilot 📍 IDF : 2 jours de TT 🏡 📅 Mission longue durée Qu'en penses-tu?

Descriptif de la mission Notre Client recherche pour cette mission un Data Engineer. Les tâches au quotidien seront : - Définir et analyser les structures de données - Concevoir, construire et gérer des pipelines ETL (Extraction, Transformation, Chargement) qui ingèrent des données brutes provenant de diverses sources, les transforment et les chargent dans des entrepôts ou des lacs de données - Concevoir et gérer des solutions de stockage, telles que les entrepôts de données (Amazon Redshift), entrepôts de données (AWS S3 avec Databricks) ou bases de données NoSQL - Travailler en étroite collaboration avec les data scientists, les analystes et les équipes commerciales pour comprendre les données besoins, recueillir les exigences - Garantir la fiabilité de la production (surveillance, alerte et intervention selon les besoins) - Expérimenter les technologies de données émergentes et les meilleures pratiques pour améliorer l'infrastructure de données et l'efficacité des flux de travail

Vous rejoindrez l’équipe Data Platform en tant que Data Engineer . Vous serez responsable de la conception, de l’optimisation et de la maintenance des pipelines et infrastructures de données afin de garantir un traitement et un stockage scalables. Vos missions incluent la conception d’architectures de données, l’optimisation des flux de données et la facilitation de leur accessibilité pour des usages analytiques et de machine learning. Vous collaborerez étroitement avec les équipes d’ingénierie, data science et produit afin d’assurer la qualité, la sécurité et l’intégration des données dans l’écosystème cloud. Vos responsabilités au quotidien : Définir et analyser les structures de données Concevoir, développer et gérer des pipelines ETL (Extract, Transform, Load) pour collecter, transformer et charger les données dans des data warehouses ou data lakes Concevoir et administrer des solutions de stockage (data warehouse type Amazon Redshift, data lakes sur AWS S3 avec Databricks, bases NoSQL) Collaborer avec les data scientists, analystes et équipes métier pour comprendre les besoins en données Garantir la fiabilité en production (monitoring, alerting, interventions si nécessaire) Expérimenter de nouvelles technologies data et bonnes pratiques afin d’améliorer l’infrastructure et l’efficacité des workflows

RÉSUMÉ EXPRESS Expert MLOps & GCP pour accompagner une équipe technique sur des use cases IA stratégiques au niveau Groupe dans le secteur de l'assurance : digitalisation documentaire via OCR, bot de service client et plateforme agentique. Il maîtrise la stack GCP (Vertex AI, BigQuery, Kubernetes), les architectures LLMs et Agentic RAG, et apporte un vrai builder mindset et une force de proposition. Disponibilité immédiate obligatoire. Expérience assurance ou finance appréciée / Anglais B2. MISSIONS PRINCIPALES Implémentation des Use Cases IA Contribuer à la digitalisation documentaire via OCR Développer et maintenir le bot de service client pour le suivi en agence Participer à la construction de la plateforme agentique dédiée à l'assurance Architecture & MLOps GCP Concevoir et opérer les pipelines ML sur GCP (Vertex AI, BigQuery, Kubernetes) Gérer l'infrastructure as code via Terraform, maintenir les pipelines CI/CD sur GitHub Appliquer les pratiques FinOps et Clean Code dans un environnement cloud de production LLMs & RAG Implémenter des architectures Agentic RAG adaptées aux cas d'usage métier Mettre en place les mécanismes d'évaluation RAG pour garantir la qualité et la fiabilité des réponses Assurer une veille active sur l'évolution des LLMs et des patterns d'architecture agentique Collaboration & Force de Proposition Travailler en binôme avec le Tech Lead et contribuer aux décisions d'architecture Être force de proposition sur les choix technologiques et les patterns d'implémentation Évoluer dans une équipe pluridisciplinaire (Data Scientists, MLOps, Développeurs, PO) avec un fort accent sur l'innovation IA et Cloud

La mission consiste à : - Exposer les données utiles à l’entreprise pour les analyser et les utiliser afin d’améliorer l’expérience utilisateur et la productivité - Transformer des données issues du DataLake afin de les normaliser - Modéliser la sphère de données - Développer les flux - Exposer des données brutes et/ou agrégées au bon niveau de granularité aux différents métiers de l’entreprise - Travailler en lien avec des Data Scientists sur les données qu’il aura exposées - Mettre en place des rapports de Dataviz - Mission basée en métropole lilloise avec présence sur site 3j/semaine obligatoire Compétences demandées : - Formation supérieure en école d’ingénieur, école d’informatique ou Master spécialisé dans la Data Science - Première expérience en Data Engineering indispensable - Snowflake, GCP, BigQuery, DBT, SQL, Semarchy, Airflow, Python ... - Excellents savoir-être : rigueur, esprit analytique et de synthèse, communication... - Méthode Agile - Anglais

Dans le cadre d’une transformation ambitieuse autour de l’intelligence artificielle, nous recherchons un Directeur de projets IA chargé d’assurer la coordination opérationnelle d’un centre d’expertise IA transverse. Véritable facilitateur et orchestrateur , le poste s’inscrit au cœur d’une gouvernance structurée et multi-niveaux, en lien étroit avec les équipes métiers, les directions IT et les instances de pilotage. Le Directeur de projets IA intervient comme point central de synchronisation entre les projets IA et les ressources expertes mobilisées (Data Engineers, Data Scientists, AI Engineers, ML Engineers, équipes Infrastructure & Production, Chefs de Projet). Missions principales Coordonner les équipes pluridisciplinaires mobilisées sur les projets IA prioritaires. Assurer l’alignement des expertises et des ressources avec les jalons projets. Piloter les affectations et ajuster les priorités en temps réel selon les besoins. Identifier, anticiper et lever les points de blocage techniques ou organisationnels. Garantir la bonne préparation des déploiements en lien avec les équipes de production et d’infrastructure. Préparer les supports et dossiers d’arbitrage à destination des comités de gouvernance. Traduire les orientations stratégiques en plans d’actions opérationnels. Maintenir et mettre à jour la feuille de route des projets IA. Structurer les revues techniques et le suivi des indicateurs de performance. Favoriser la capitalisation des bonnes pratiques, des méthodes et des retours d’expérience. Assurer la fluidité entre les besoins métiers et les contraintes techniques. Ce rôle requiert une forte capacité à coordonner sans lien hiérarchique direct , en embarquant des équipes issues de différentes directions autour d’objectifs communs.

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.

Contexte de la mission Nous recherchons pour l’un de nos clients, acteur majeur du secteur bancaire, un AI Engineer expérimenté pour intervenir sur des projets d’intelligence artificielle à forts enjeux techniques et métiers. La mission s’inscrit dans un environnement IT exigeant, structuré autour de projets IA nécessitant la conception, l’industrialisation, le déploiement et l’exploitation de solutions robustes, scalables et sécurisées. Le consultant interviendra sur l’ensemble du cycle de vie des produits IA, depuis les phases de cadrage et de preuve de concept jusqu’à la mise en production et au maintien en conditions opérationnelles. Missions principales En tant qu’ AI Engineer / MLOps , vous serez en charge de concevoir, industrialiser et opérer des solutions d’IA fiables, performantes et responsables. Vos principales responsabilités seront les suivantes : Architecture et industrialisation IA / MLOps Concevoir les architectures techniques des produits IA en collaboration avec les Data Scientists et les équipes IT. Identifier les technologies, design patterns et architectures adaptés aux besoins : services temps réel, traitements batch, architectures cloud, solutions distribuées. Participer à la validation des choix d’architecture technique. Mettre en œuvre, maintenir et améliorer les pipelines CI/CD pour automatiser la livraison des modèles, du code et de l’infrastructure. Industrialiser les modèles IA afin de garantir leur passage à l’échelle, leur supervision et leur maintien en production. Déploiement et exploitation Contribuer au déploiement des applications IA en production. Gérer les infrastructures de déploiement, notamment autour de Kubernetes et de services cloud managés. Optimiser l’usage des ressources techniques, notamment dans des environnements nécessitant des capacités de calcul importantes. Participer au maintien en conditions opérationnelles des solutions déployées. Produire et maintenir la documentation technique associée. Sécurité et robustesse des solutions IA Intégrer les principes de sécurité “by design” dans les applications IA. Contribuer à la protection des modèles et des données contre les risques spécifiques aux environnements IA. Prendre en compte les enjeux de sécurité liés aux modèles, aux pipelines et aux données manipulées. IA générative et LLM Participer au déploiement d’applications basées sur des LLM. Intervenir sur des architectures de type RAG. Industrialiser le cycle de vie des composants GenAI : prompts, bases vectorielles, fine-tuning, monitoring. Contribuer à l’identification et à la gestion des risques associés aux usages IA générative.

Objectifs de la mission Industrialiser les projets de Machine Learning développés sous Dataiku DSS Mettre en place une chaîne MLOps robuste, sécurisée et maintenable Garantir la fiabilité, la performance et la gouvernance des flux de données alimentant Dataiku Assurer le bon passage du POC à la production, puis l’exploitation dans le temps Contribuer à la diffusion des bonnes pratiques MLOps & DataOps au sein des équipes Data Périmètre d’intervention Projets Data Science & IA développés sous Dataiku DSS Chaînes MLOps (entraînement, déploiement, supervision des modèles) Connexion de Dataiku aux sources de données de l’entreprise Environnements DEV / TEST / PROD Livrables attendus Pipelines MLOps Dataiku industrialisés et documentés Modèles ML déployés et supervisés en production Connecteurs Dataiku vers les sources de données opérationnels Documentation d’exploitation MLOps & DataOps Recommandations de standardisation et d’amélioration continue Interactions Rattachement : Responsable de domaine SI Dataplatform et BI avec un détachement opérationnel dans l’équipe Data Science le temps du projet Partenaires clés : équipes IT (projets, devs, MCO), directions métiers (commerce, marketing, supply chain, finance), conformité et sécurité. Data Scientists, Data Engineers, Architectes Data / Cloud, équipes de la direction technique : Infrastructures, Production, Sécurité & Exploitation Compétences Dataiku DSS – niveau avancé (MLOps & DataOps) Expérience confirmée en industrialisation de modèles ML Python, SQL CI/CD, Git Très bonne compréhension des architectures Data Environnements Cloud (AWS / GCP / Azure) Sensibilité forte aux enjeux sécurité, RUN et exploitation

4. Description de la prestation et des missions attendues Le/La Data Engineer sera intégré(e) à l'équipe produit TOPASE NLS et interviendra sur les missions suivantes : 🔹 Conception, développement et optimisation des pipelines de données (GCP) Concevoir, développer et maintenir des pipelines robustes et performants pour la collecte, la transformation et le chargement des données depuis diverses sources (Oracle, fichiers, API, etc.) vers BigQuery et autres cibles. Exploiter et orchestrer les services Google Cloud Platform (Dataflow, Dataproc, Cloud Composer/Airflow, Pub/Sub, Cloud Storage, BigQuery) afin de construire des architectures data scalables et fiables. Automatiser les traitements, gérer les dépendances et orchestrer les jobs de données. Optimiser les performances des pipelines ainsi que la consommation des ressources GCP. 🔹 Modélisation et gestion des données Participer à la conception et à l'évolution des modèles de données dans BigQuery, en lien avec les Data Analysts et les équipes métiers. Garantir la qualité, la cohérence et l'intégrité des données. Mettre en œuvre des stratégies de versioning des schémas et de gestion du cycle de vie des données. 🔹 Run opérationnel, maintenance et support N2/N3 Assurer le support opérationnel de niveau 2/3 de la solution TOPASE (environnement GCP + solution éditeur). Développer et maintenir des scripts Bash pour automatiser les tâches récurrentes (supervision, traitement de données, maintenance). Rédiger, optimiser et exécuter des requêtes SQL complexes (BigQuery et Oracle) pour l'analyse, le diagnostic d'incidents et la restitution de données. Gérer les incidents en collaboration avec les équipes internes et l'éditeur. Participer à la qualification des livraisons de patchs éditeur impactant les flux de données. Suivre les incidents via le CRM éditeur et contribuer aux comités de suivi. 🔹 Monitoring, logging et alerting Mettre en place et maintenir des dispositifs de supervision des flux de données, de la qualité, des performances et de l'utilisation des ressources (Stackdriver, Grafana, Looker Studio). Définir et implémenter des alertes permettant la détection proactive des anomalies. Concevoir des tableaux de bord pour le suivi des KPI opérationnels et métier. 🔹 Infrastructure as Code (IaC) Contribuer à la définition et à l'implémentation de l'infrastructure data via Terraform. Garantir la reproductibilité et la traçabilité des environnements (Dev, Recette, Pré-prod, Prod). 🔹 Collaboration et conseil Travailler en étroite collaboration avec les équipes Data (Data Scientists, Data Analysts), les Product Owners et les métiers. Proposer des solutions techniques adaptées et conseiller sur les bonnes pratiques en Data Engineering. Participer aux rituels Agile/Kanban de l'équipe produit. 5. Compétences et expériences requises5.1 Expertise technique Cloud GCP : Expertise confirmée des services data (BigQuery, Dataflow, Cloud Storage, Pub/Sub, Composer/Airflow, Stackdriver, Data Catalog). Bases de données : Maîtrise avancée SQL (optimisation, requêtes complexes), expérience sur BigQuery et Oracle 19 (MySQL/PostgreSQL appréciés). Scripting : Excellente maîtrise de Bash (indispensable pour le run). Systèmes : Bonne maîtrise des environnements Linux (RedHat). IaC : Solide expérience avec Terraform. CI/CD : Maîtrise d'un outil comme GitLab CI. Monitoring/Logging : Stackdriver, Grafana, ELK, Looker Studio. Versioning : Git (GitLab). Réseaux : Connaissances solides (TCP/IP, HTTP/S, DNS, load balancing, firewall). Data Engineering : Maîtrise des concepts ETL/ELT, Data Warehouse, Data Lake et streaming. 5.2 Environnement technique TOPASE NLS OS : RedHat Enterprise 9.4 Cloud : Azure (solution éditeur) & GCP (data, monitoring, pipelines) CI/CD : GitLab CI IaC : Terraform Monitoring : Looker Studio, GANTI, Grafana, ELK Bases : Oracle, BigQuery Langage : Bash 5.3 Méthodologies et soft skills Expérience en environnement Agile (Scrum, Kanban). Excellentes capacités d'analyse et de résolution de problèmes, notamment en situation d'incident. Autonomie, proactivité et sens de l'amélioration continue. Bonnes compétences de communication (français courant, anglais technique). Esprit d'équipe et partage des connaissances. Sens des responsabilités, notamment en environnement de production. 5.4 Expérience Minimum 3 ans d'expérience en tant que Data Engineer, idéalement sur GCP. Expérience sur des environnements à forte volumétrie, avec des enjeux de performance, fiabilité et disponibilité.