Ingénieur Data — Pipelines & Plateforme (AWS, Python)
Top Benefits
About the role
Alfred Technologies est une entreprise canadienne « AI-FIRST », dont le siège social est situé à Québec qui est reconnue parmi les 100 meilleures startups en IA au Canada en 2025 et soutenue par Scale AI. La force de notre solution réside dans la maîtrise des contextes affectant les opérations de logistique en utilisant l'intelligence artificielle pour effectuer une gestion serrée des opérations. Nos technologies se sont illustrées dans la gestion d'environnements à pression extrême et hautement variables comme l'optimisation des opérations du Grand Prix de Formule 1 du Canada ou du Festival d'Été de Québec, des hôtels prestigieux de la chaîne hôtelière Fairmont ou encore des nombreux événements tenus dans l’amphithéâtre du Lightning de Tampa Bay.
Le rôle : faire circuler la donnée, du capteur jusqu'au modèle
Nous cherchons un·e Ingénieur.e Data pour concevoir, optimiser et opérer les pipelines qui alimentent nos modèles d'IA et nos tableaux de bord temps réel. Tu construis la plomberie, tu la maintiens en production, et tu garantis que la donnée arrive propre, fraîche et fiable aux équipes qui en dépendent.
Tu auras le Full Ownership de tes pipelines. De l'ingestion brute jusqu'au dataset prêt-à-entraîner, tu décides de l'architecture, tu écris le code Python, tu provisionnes l'infrastructure en Terraform, tu surveilles l'exécution. Quand un pipeline casse à 2h du matin, c'est toi qui sais où regarder, parce que c'est toi qui l'as construit.
Comme nous évoluons vite, nous tirons parti des outils de programmation assistée par IA (principalement Claude-Code) et nous pratiquons le « vibe coding » de manière responsable. Tu utilises l'IA pour coder plus intelligemment, automatiser plus, et te concentrer sur ce qui compte : la fiabilité de la donnée en production.
Les responsabilités
ETL/ELT pipelines — Design, implement, and optimize pipelines that ingest, transform, and manage large volumes of structured and unstructured data (Airflow, dbt, Glue). AWS infrastructure — Architect and maintain a scalable data platform on AWS (ECS, EKS, S3, RDS, Lambda, Glue, Athena, Kinesis), provisioned as Infrastructure-as-Code (Terraform). Real-time — Work with event streams (Kafka/Kinesis) to deliver low-latency updates to dashboards and AI-powered recommendations. Datasets for AI/ML — Partner with AI teams to prepare clean, versioned, reliable datasets ready for training and inference. Observability & reliability — Wire up monitoring, logging, and alerting on your pipelines (Datadog) so production stays highly available. DevOps & CI/CD — Automate deployments through GitLab CI/CD, apply GitOps practices, keep the build → test → deploy chain smooth. Governance & security — Ensure compliance with data governance, security, and privacy policies.
Stack technique
Langages & pipelines
Python (primary), Java or Scala as needed Airflow, dbt, AWS Glue (ETL/ELT) Advanced SQL Infrastructures AWS ECS, EKS, Lambda, S3, RDS, Glue, Athena Kinesis and Kafka (MSK) for streaming Terraform (IaC) Bases de données PostgreSQL (relational, optimization, indexing) MongoDB (document) DevOps & Livraison Docker, Kubernetes GitLab CI/CD, GitOps workflows Datadog (observability, logs, traces, alerting) En aval de toi (les équipes que tu alimentes) AI/ML teams (training, inference, agents). Product teams (dashboards, data-driven features). You build the platform they consume; you set the shape of the datasets and the contracts.
Profil recherché "L'opérateur"
Fiabilité & sens de la production — Pour toi, un pipeline qui marche en dev mais casse en prod n'est pas un pipeline. Tu penses observabilité et reprise sur erreur dès la conception. Ownership de bout en bout — Tu as déjà construit et maintenu des pipelines de production de A à Z. Tu sais quand trancher seul·e et quand chercher du feedback. Maîtrise Python (ou Java/Scala) pour la donnée — Tu codes proprement, tu testes, tu documentes les contrats entre étapes. AWS solide — ECS/EKS, Lambda, Kinesis, S3, Glue, Athena, RDS — tu navigues sans hésitation et tu sais quel service choisir pour quel besoin. DevOps de terrain — CI/CD GitLab, GitOps, Terraform, Docker, Kubernetes — tu n'as pas besoin qu'on te tienne la main sur l'IaC. Bases de données — SQL avancé sur PostgreSQL (plans d'exécution, indexes, partitionnement), à l'aise avec MongoDB pour le documentaire. Sens des données pour l'IA/ML — Tu comprends comment structurer et préparer un dataset pour qu'il soit utile à un modèle, pas juste propre. Langues de travail — Maîtrise du français à l'oral et à l'écrit (essentiel). Anglais professionnel (atout fort).
Atouts supplémentaires
Expérience avec architectures événementielles (Kafka, Kinesis) à l'échelle. Analytique temps réel ou traitement de flux (stream processing). Plateformes IA/ML (SageMaker, feature stores, vector DBs).
Ce que nous offrons
L'opportunité de travailler sur des projets d'envergure et à fort impact pour des événements internationaux. Un environnement collaboratif et agile, orienté "production-first". Des conditions de travail flexibles : siège social à Québec, mode hybride (2 jours par semaine dans notre magnifique bureau de Saint-Roch). Un salaire compétitif, des avantages sociaux, des opportunités d'octroi d'options d'actions et des actions concrètes de développement professionnel.
Not the right fit? Search for Ingénieur Data jobs in Quebec, Quebec, Canada
About Alfred Technologies | AI-Powered Food and Beverage
Alfred delivers "AI-first" to the world of food and beverage for Sports and Entertainment venues, and Hospitality enterprises, such as hotel chains and restaurant groups. By harnessing disparate data from the food and beverage ecosystem, Alfred uses Agentic AI to build models for intelligent stock planning, anomaly detections, dynamic pricing, personalize product recommendations and smart auditing. These agents execute changes, automate practices, and trigger red flags to avoid stock outs, reduce shrinkage and loss and mitigate risks.
Similar Jobs
Ingénieur Data — Pipelines & Plateforme (AWS, Python)
Top Benefits
About the role
Alfred Technologies est une entreprise canadienne « AI-FIRST », dont le siège social est situé à Québec qui est reconnue parmi les 100 meilleures startups en IA au Canada en 2025 et soutenue par Scale AI. La force de notre solution réside dans la maîtrise des contextes affectant les opérations de logistique en utilisant l'intelligence artificielle pour effectuer une gestion serrée des opérations. Nos technologies se sont illustrées dans la gestion d'environnements à pression extrême et hautement variables comme l'optimisation des opérations du Grand Prix de Formule 1 du Canada ou du Festival d'Été de Québec, des hôtels prestigieux de la chaîne hôtelière Fairmont ou encore des nombreux événements tenus dans l’amphithéâtre du Lightning de Tampa Bay.
Le rôle : faire circuler la donnée, du capteur jusqu'au modèle
Nous cherchons un·e Ingénieur.e Data pour concevoir, optimiser et opérer les pipelines qui alimentent nos modèles d'IA et nos tableaux de bord temps réel. Tu construis la plomberie, tu la maintiens en production, et tu garantis que la donnée arrive propre, fraîche et fiable aux équipes qui en dépendent.
Tu auras le Full Ownership de tes pipelines. De l'ingestion brute jusqu'au dataset prêt-à-entraîner, tu décides de l'architecture, tu écris le code Python, tu provisionnes l'infrastructure en Terraform, tu surveilles l'exécution. Quand un pipeline casse à 2h du matin, c'est toi qui sais où regarder, parce que c'est toi qui l'as construit.
Comme nous évoluons vite, nous tirons parti des outils de programmation assistée par IA (principalement Claude-Code) et nous pratiquons le « vibe coding » de manière responsable. Tu utilises l'IA pour coder plus intelligemment, automatiser plus, et te concentrer sur ce qui compte : la fiabilité de la donnée en production.
Les responsabilités
ETL/ELT pipelines — Design, implement, and optimize pipelines that ingest, transform, and manage large volumes of structured and unstructured data (Airflow, dbt, Glue). AWS infrastructure — Architect and maintain a scalable data platform on AWS (ECS, EKS, S3, RDS, Lambda, Glue, Athena, Kinesis), provisioned as Infrastructure-as-Code (Terraform). Real-time — Work with event streams (Kafka/Kinesis) to deliver low-latency updates to dashboards and AI-powered recommendations. Datasets for AI/ML — Partner with AI teams to prepare clean, versioned, reliable datasets ready for training and inference. Observability & reliability — Wire up monitoring, logging, and alerting on your pipelines (Datadog) so production stays highly available. DevOps & CI/CD — Automate deployments through GitLab CI/CD, apply GitOps practices, keep the build → test → deploy chain smooth. Governance & security — Ensure compliance with data governance, security, and privacy policies.
Stack technique
Langages & pipelines
Python (primary), Java or Scala as needed Airflow, dbt, AWS Glue (ETL/ELT) Advanced SQL Infrastructures AWS ECS, EKS, Lambda, S3, RDS, Glue, Athena Kinesis and Kafka (MSK) for streaming Terraform (IaC) Bases de données PostgreSQL (relational, optimization, indexing) MongoDB (document) DevOps & Livraison Docker, Kubernetes GitLab CI/CD, GitOps workflows Datadog (observability, logs, traces, alerting) En aval de toi (les équipes que tu alimentes) AI/ML teams (training, inference, agents). Product teams (dashboards, data-driven features). You build the platform they consume; you set the shape of the datasets and the contracts.
Profil recherché "L'opérateur"
Fiabilité & sens de la production — Pour toi, un pipeline qui marche en dev mais casse en prod n'est pas un pipeline. Tu penses observabilité et reprise sur erreur dès la conception. Ownership de bout en bout — Tu as déjà construit et maintenu des pipelines de production de A à Z. Tu sais quand trancher seul·e et quand chercher du feedback. Maîtrise Python (ou Java/Scala) pour la donnée — Tu codes proprement, tu testes, tu documentes les contrats entre étapes. AWS solide — ECS/EKS, Lambda, Kinesis, S3, Glue, Athena, RDS — tu navigues sans hésitation et tu sais quel service choisir pour quel besoin. DevOps de terrain — CI/CD GitLab, GitOps, Terraform, Docker, Kubernetes — tu n'as pas besoin qu'on te tienne la main sur l'IaC. Bases de données — SQL avancé sur PostgreSQL (plans d'exécution, indexes, partitionnement), à l'aise avec MongoDB pour le documentaire. Sens des données pour l'IA/ML — Tu comprends comment structurer et préparer un dataset pour qu'il soit utile à un modèle, pas juste propre. Langues de travail — Maîtrise du français à l'oral et à l'écrit (essentiel). Anglais professionnel (atout fort).
Atouts supplémentaires
Expérience avec architectures événementielles (Kafka, Kinesis) à l'échelle. Analytique temps réel ou traitement de flux (stream processing). Plateformes IA/ML (SageMaker, feature stores, vector DBs).
Ce que nous offrons
L'opportunité de travailler sur des projets d'envergure et à fort impact pour des événements internationaux. Un environnement collaboratif et agile, orienté "production-first". Des conditions de travail flexibles : siège social à Québec, mode hybride (2 jours par semaine dans notre magnifique bureau de Saint-Roch). Un salaire compétitif, des avantages sociaux, des opportunités d'octroi d'options d'actions et des actions concrètes de développement professionnel.
Not the right fit? Search for Ingénieur Data jobs in Quebec, Quebec, Canada
About Alfred Technologies | AI-Powered Food and Beverage
Alfred delivers "AI-first" to the world of food and beverage for Sports and Entertainment venues, and Hospitality enterprises, such as hotel chains and restaurant groups. By harnessing disparate data from the food and beverage ecosystem, Alfred uses Agentic AI to build models for intelligent stock planning, anomaly detections, dynamic pricing, personalize product recommendations and smart auditing. These agents execute changes, automate practices, and trigger red flags to avoid stock outs, reduce shrinkage and loss and mitigate risks.