Trouvez votre prochaine mission ou futur job IT.

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.

Informations clés : Localisation : Massy (3 jours/semaine sur site obligatoires) TJM : 500 € max (Note : aligné sur votre demande de baisse de tarif globale) Démarrage : 24/08/2026 Durée : Jusqu'au 24/03/2027 Contexte & Mission : Au sein de l'Analytics Factory, l'équipe Data Translation conçoit des solutions d'analyse et d'IA pour optimiser le pilotage opérationnel de plus de 650 hypermarchés et supermarchés. Votre rôle est d'agir comme un pont stratégique entre les directions métiers opérationnelles et les experts techniques (Data Engineers, Analysts, Scientists, DataViz) pour transformer la donnée en leviers business concrets. Activités & Livrables : Pilotage de projets & Alignement : Harmoniser les KPIs Retail clés (CA, stocks, démarque, NPS) entre les différents outils de pilotage et dashboards existants. Cadrage & Innovation : Structurer les futurs besoins analytiques de 2027 (migrations de socles de données, automatisation de revues de performance via l'IA générative, diagnostics conversationnels). Gestion de produit : Rédiger les spécifications technico-fonctionnelles, piloter le backlog produit sous Jira et animer les rituels Agiles. Restitution & Adoption : Concevoir des tableaux de bord (Tableau / Data Studio), mesurer l'adoption des outils et vulgariser les résultats lors de présentations stratégiques pour les instances de direction (COMEX).

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.

4. Description de la prestation et des missions attenduesLe/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 donnéesParticiper 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/N3Assurer 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 alertingMettre 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 conseilTravailler 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 techniqueCloud 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 NLSOS : 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 skillsExpérience 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 ExpérienceMinimum 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.

Hello, Pour le compte de l'un de mes clients dans le secteur du BTP, je suis à la recherche d'un PO Data dans le domaine de l'environnement. Le/La Product Owner Data Environnement agit en véritable directeur/chef de projet hybride (MOE/MOA) au sein du département Data. Il/Elle est le garant du delivery, de la valeur métier et de la gouvernance de l'ensemble des solutions analytiques de son périmètre (Reporting BI traditionnel, initiatives exploratoires, cas d'usage IA et Machine Learning) situées en aval des systèmes transactionnels. Pour ce 5e poste créé au sein de l'équipe, il/elle prend la responsabilité exclusive du domaine Environnement. Interlocuteur central et "tout-terrain", il/elle manage son équipe de développement, anime la comitologie, pilote ses budgets et assure l'interface entre les métiers, la gouvernance, l'architecture et les responsables des systèmes sources transactionnels. • Management d'équipe : Encadre, anime et coordonne au quotidien son équipe de développement (Analytics Engineers, Data Engineers, Data Scientists). • Méthodologie Agile : Structure et pilote le backlog produit sous Jira et s'assure du rythme des livraisons. • Relations Métiers & Sources : Recueille les besoins des directions métiers (RSE/Environnement), gère le delivery et fait le lien avec les responsables applicatifs des systèmes transactionnels amont pour sécuriser la mise à disposition des données sources. • Comitologie & Communication : Prépare et anime les instances de gouvernance projets (Comités de projet, Comités de pilotage). Rédige l'ensemble des livrables clés (comptes-rendus, supports de présentation synthétiques, spécifications fonctionnelles). • Gestion Budgétaire : Assure le suivi financier et la gestion rigoureuse de ses lignes budgétaires dans l'outil DSI Orchestra. Alignement transverse et respect des standards : • Data Gouvernance : Travaille main dans la main avec la cellule Data Gouvernance pour implémenter les directives, la conformité et la documentation des données de son périmètre. • Architecture & Performance : Collabore avec la cellule Architecture pour coconstruire les data models, s'assurer de l'application des normes de développement et veiller à l'optimisation et la performance des traitements de son équipe. Implication opérationnelle, "Hands-on" et Qualité : • Culture Data Analyst : Ne se cantonne pas à un rôle purement organisationnel : participe activement aux phases de test de validation des données, et peut être amené(e) à maquetter ou développer lui-même des rapports/indicateurs pour accélérer les cycles de livraison. • Garantit la qualité finale de la donnée restituée, essentielle sur les indicateurs réglementaires (DPEF, BEGES). Garantie de l'adéquation Qualité - Coût - Délai : • Garantit la conformité des données affichées dans les rapports avec les règles de gestion métiers définies. • Respecte et suit les jalons projets (délais et coûts de delivery). ● Accompagnement du Changement & Innovation : Accompagne les métiers dans la transition vers des cas d'usage avancés (Data Science, IA, prédictif liés aux enjeux environnementaux et à l'empreinte carbone). ● Accompagnement à la Migration Technique : Participe au plan de bascule de la solution BI historique (SAP Hana) vers l'environnement moderne (BigQuery) sur son périmètre. À ce titre, il/elle se montre curieux et non réfractaire à l'analyse de l'écosystème historique. ● Suivi technologique : Participe à la phase de cadrage et de transition industrielle vers les flux d'acquisition modernes (Fivetran, POC en cours).

Mission Freelance : Lead Data Engineer / Expert Databricks & Spark (H/F) 📋 Contexte de la missionAu sein d'un grand pôle industriel et de sa direction des systèmes d'information, vous rejoignez l'équipe Transverse SI Chaînes Communicantes à Lyon. Cette équipe, actuellement en pleine phase de structuration, pilote et supervise des projets d'envergure commune. L'objectif majeur de votre intervention est d'accompagner la migration globale et l'industrialisation d'une nouvelle plateforme data cible autour des technologies les plus modernes du marché. Vous serez l'un des piliers techniques pour mener à bien la refonte complète de nos applications d'informatique décisionnelle (Business Intelligence) à forte valeur ajoutée. 🎯 Vos principales responsabilités1. Ingénierie Data & Développement (Activité principale)Pipelines de données : Concevoir, développer et maintenir des pipelines de données robustes sous Databricks et Spark. Traitements complexes : Développer l'ensemble des flux de traitement de données en Python, PySpark et SQL. Modélisation : Contribuer activement à la définition et à la mise en œuvre du modèle de données cible en exploitant Delta Lake et Unity Catalog. Orchestration : Assurer l'ordonnancement des traitements via Databricks Workflows et Lakeflow Jobs. 2. Industrialisation & QualitéStandards de production : Mettre en œuvre des pratiques d'industrialisation poussées (tests unitaires/d'intégration, pipelines CI/CD pour la Data). Performance & FinOps : Optimiser l'exécution des requêtes techniques, garantir la scalabilité du système tout en maîtrisant les coûts d'infrastructure cloud. MCO : Participer au suivi de la production (Run), analyser les incidents techniques et piloter l'amélioration continue de la plateforme (fiabilité et observabilité). 3. Cadrage & Accompagnement (Activité secondaire)Participer au cadrage fonctionnel des besoins en étroite collaboration avec le Product Owner et les équipes utilisatrices. Assurer l'interfaçage de la plateforme avec Power BI pour faciliter l'exposition et la consommation des données par le métier. Contribuer à l'intégration de flux d'alimentation temps réel vers le datalake (via Kafka). Rédiger la documentation technique et animer les rituels agiles au sein de la feature team. 👤 Profil recherchéNous recherchons un Lead Data Engineer / Expert Databricks senior (Niveau 3) capable de démontrer une autonomie complète après une phase d'intégration de 4 jours sur nos spécificités métiers. Vous devez justifier d'une expertise confirmée de 4 ans minimum sur l'environnement Databricks, idéalement validée par une certification officielle de l'éditeur. Votre parcours témoigne obligatoirement d'une participation active à un projet d'envergure de migration ou de transformation d'architectures data, soutenu par de solides compétences en modélisation de données (Delta Lake, Unity Catalog). Sur le plan technique, vous possédez une maîtrise parfaite de l'écosystème Spark / PySpark, de Python et de SQL, ainsi qu'un savoir-faire éprouvé dans l'automatisation de l'infrastructure via Terraform pour les sujets Cloud et Databricks. Au-delà de vos compétences de développeur émérite, vous affichez un véritable leadership technique naturel (sans posture managériale requise) qui vous permet de guider, structurer, standardiser et documenter le travail d'une équipe. Force de proposition, orienté solutions robustes et pragmatiques, vous savez collaborer avec des profils variés, allant des Data Scientists et experts BI jusqu'au Product Owner et interlocuteurs métiers. 💻 Environnement de travailVous évoluerez au cœur de Lyon au sein d'une structure moderne favorisant un équilibre de vie professionnelle grâce à un accord de télétravail fixé à 50%. La mission s'inscrit dans un cadre méthodologique strictement Agile, au sein d'une équipe transverse dynamique et en pleine construction, actuellement composée d'un chef de projet et appuyée par des experts du pôle (référents techniques, managers, coordinateurs). La stack technique mise à votre disposition est à la pointe de l'ingénierie des données : Databricks, Spark, PySpark, Delta Lake, Unity Catalog, le tout s'exécutant sur un environnement cloud public. L'industrialisation, l'observabilité et la qualité de service sont au centre des préoccupations de cette DSI, s'appuyant sur des chaînes CI/CD automatisées et de l'Infrastructure as Code. Vous aurez l'opportunité d'intervenir sur des flux de données complexes, incluant l'ingestion de sources variées, l'intégration de technologies événementielles comme Kafka, et la liaison étroite avec des outils de restitution de premier ordre tels que Power BI. Aucun horaire décalé (HHN) ni aucune astreinte ne sont prévus pour cette mission, vous assurant un cadre de production stable au quotidien. 🛠️ Stack technique récapitulativeIncontournables (Niveau Expert) : Databricks, Spark, PySpark, Python, SQL. Architecture Data : Modélisation de données, Delta Lake, Unity Catalog. DevOps / Industrialisation : CI/CD, Tests automatisés, Terraform, Databricks Workflows. Écosystème apprécié : Kafka, Lakeflow / DLT, Power BI, Certifications Cloud.

RÉSUMÉ EXPRESS Data Engineer senior (4 ans+, Bac+5) pour construire et opérer les pipelines data d'une plateforme cloud de paiement à fort volume transactionnel. Il maîtrise Python/PySpark et Databricks en production, conçoit les architectures data lakehouse sur AWS (S3, Redshift), optimise les jobs Spark et garantit la fiabilité et la qualité des données pour les usages analytics et ML. Expérience fintech ou paiement fortement appréciée. 2 jours de télétravail par semaine / Anglais professionnel opérationnel obligatoire. MISSIONS PRINCIPALES Design & Construction des Pipelines Data Concevoir et construire les pipelines ETL/ELT d'ingestion, transformation et chargement depuis de multiples sources (terminaux POS, APIs, systèmes de paiement) Choisir les patterns adaptés selon les cas d'usage : batch vs streaming, data warehouse vs data lake vs lakehouse Développer en Python/PySpark avec des pratiques d'ingénierie logicielle solides (tests, packaging, code maintenable) Databricks & Optimisation Spark Construire et optimiser les workflows Databricks (Jobs, Delta Live Tables) en production sur des volumes significatifs Optimiser les jobs Spark : partitionnement, broadcast joins, caching, memory management, tuning des performances et des coûts Architecture Data & Stockage AWS Concevoir les structures de données et les patterns de stockage sur AWS (S3, Redshift, formats Parquet/Delta/Iceberg) Modéliser et optimiser les données dans Redshift (distribution keys, sort keys, requêtes analytiques) Gérer la sécurité des données dans un contexte de données de paiement sensibles (IAM, chiffrement, conformité) Fiabilité Production & Qualité des Données Assurer le monitoring et l'alerting des pipelines en production, intervenir sur les incidents (données manquantes, pipeline en retard, données corrompues) Mettre en place des contrôles de qualité des données (data validation, schema evolution, data lineage) Collaboration & Veille Travailler avec les data scientists pour comprendre leurs besoins et leur fournir des datasets de qualité pour le ML Assurer une veille technologique active sur les nouvelles technologies et best practices data

Expert Dataiku DSS - BordeauxCOMPETENCES · 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 CONTEXTE 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 ML et nécessite une expertise externe pour sécuriser leur mise en production, leur exploitation dans le temps et leur alimentation en données. La mission s'inscrit à l'interface entre l'équipe Data Science et l'équipe Dataplatform de la DSI, avec une forte orientation d'industrialisation (build & run). 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 PERIMETRE 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 COMPETENCES · 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

Description du besoin : Type de prestation : Chef de projet Data Client : Secteur d'assurance Lieu de la mission : Paris 2 Durée de la prestation : 6 mois renouvelable Expérience requise : +8 ans Date de démarrage : 15/06/2026 CONTEXTE : Cette prestation vise à renforcer l'équipe Data Business Analysis au sein d'un département Data Management. Elle sera dédiée au pilotage de projets Data, avec un fort enjeu autour de l'analyse de données, et consistera à accompagner les clients internes (filiales et fonctions centrales) dans leurs projets : recueil et formalisation des besoins, conseil et orientation vers les solutions de mise à disposition des données les plus adaptées. Le département Data Management regroupe une vingtaine de collaborateurs (Business Analysts, Data Engineers, Data Scientists et experts Data Governance). Ses principales missions couvrent : La gouvernance des données L'analyse métier des données L'ingénierie des données La data science L'ensemble des use cases (Crédit, Valeur Résiduelle, Épargne, Innovation, Marketing, etc.) est géré sur une plateforme GCP. OBJECTIF DE LA PRESTATION : Dans le cadre des activités de la Data Factory, la prestation de Chefferie de projet Data aura pour missions de : Accompagner les clients internes dans leurs projets data, les aider à formaliser leurs besoins et les orienter vers les solutions de mise à disposition des données adaptées Animer la qualité des données en coordination avec les data stewards et les business owners Promouvoir les solutions de la Data Platform auprès des différentes entités et fonctions centrales Identifier des cas d'usage Data et démontrer leur valeur ajoutée métier Garantir la cohérence des projets Data Platform avec la stratégie globale et les exigences de conformité (gouvernance, sécurité, protection des données, etc.) Identifier les synergies entre projets et proposer des recommandations de mutualisation, priorisation ou arbitrage Traduire les besoins métiers en exigences fonctionnelles et produire la documentation nécessaire aux décisions et développements Piloter les projets data de bout en bout selon les axes QCD (Qualité, Coûts, Délais) dans un environnement Agile Assurer la conformité méthodologique, l'auditabilité des projets et la bonne production de la documentation associée Coordonner l'ensemble des parties prenantes : métiers, gouvernance, privacy, équipes data, architecture et IT Définir et suivre les KPI projets ainsi que les reportings d'avancement Garantir la validation métier, la formation des utilisateurs et l'adoption des solutions livrées Assurer la continuité des produits après leur mise en production

Contexte de la mission** Vous interviendrez dans le cadre de la Transformation IA Générative au sein de la Direction Data Science & IA. Vous rejoindrez une équipe de 5 personnes (3 stagiaires data scientist, 1 alternant en innovation, 1 manager), rattachée à la Direction Data Science et collaborant étroitement avec toutes les équipes non techniques. Vous serez placé(e) sous la responsabilité du Directeur de la Transformation IA Générative. La prestation s'inscrit dans un contexte de transformation d'entreprise à l'ère de l'IA Générative, pour des profils non techniques. --- ** Missions principales** Accompagner les équipes métier dans leur transformation IA et les rendre progressivement autonomes dans leur quotidien. Il s'agit de donner aux collaborateurs les outils, les connaissances et la confiance pour intégrer l'IA de manière durable et concrète. À ce titre, vous serez notamment amené(e) à : **Pilotage des licences** — Administrer l'attribution des licences IA, s'assurer de leur bonne utilisation et analyser les données d'usage pour orienter les actions d'accompagnement. **Animation des événements IA** — Concevoir et animer les rendez-vous mensuels : onboarding pour les nouveaux utilisateurs et webinaire "La Parole au Champion" pour partager les bonnes pratiques. Assurer la régularité, améliorer les formats et mesurer l'impact. **Veille technologique** — Suivre les nouvelles solutions d'IA générative (généralistes comme spécialisées) et faire remonter les opportunités d'adoption de façon structurée. **Documentation Confluence** — Maintenir une base de référence toujours à jour : bonnes pratiques, cas d'usage, tutoriels, retours d'expérience. **Accompagnement terrain** — Aider les équipes métier à mettre en place agents, skills et workflows IA. Valoriser et diffuser les réussites pour créer une dynamique collective. --- **Activités complémentaires** **Communication Codir / Comex** — Préparer et animer les points réguliers sur l'avancement : métriques d'adoption, personae, succès, points de vigilance, prochaines étapes. --- **Contexte technique & organisationnel** Outils & Framework : Claude, ChatGPT, Copilot, Power Automate et outils no-code Langages : Python Infrastructure : Azure / Snowflake Méthodologie : Scrum (sprint planning, daily, retrospective) --- **Profil recherché** • Capable de travailler en équipe transverse • Autonome et force de proposition • À l'aise dans la communication avec les métiers • Orienté(e) résultats, rigoureux(se) et structuré(e) **Expérience requise** • Formation : Bac+5, école d'ingénieur • Expérience : minimum 2 ans sur des missions similaires • Expérience obligatoire en IA Générative • Expérience dans le secteur e-commerce appréciée