à propos

Rôle de l’ingénieur de données sénior :

Nous recherchons un·e ingénieur·e de données passionné·e par la qualité, la performance et la valorisation des données. Vous contribuerez à bâtir et maintenir un écosystème de données robuste, moderne et orienté vers l’IA/ML, tout en collaborant étroitement avec les équipes techniques et d’affaires.

Responsabilités

Développement de pipelines de données : concevoir, mettre en œuvre et optimiser des pipelines ETL/ELT pour les données structurées et non structurées à l'aide d'outils et de cadres modernes d'ingénierie des données. Intégration des données : intégrer des données provenant de multiples sources (systèmes internes, API, ensembles de données externes) dans des plateformes de données centralisées telles que des lacs de données et des entrepôts de données. Modélisation des données : développer et maintenir des modèles de données logiques et physiques pour répondre aux besoins en matière d'analyse, d'IA/ML et de reporting. Optimisation des performances : garantir les performances, l'évolutivité et la fiabilité élevées des systèmes de données, y compris l'optimisation des requêtes et la gestion des ressources. Qualité et gouvernance des données : mettre en oeuvre des processus de validation, de nettoyage et de surveillance des données afin de garantir leur exactitude, leur cohérence et leur conformité avec les cadres de gouvernance. Collaboration : travailler en étroite collaboration avec les scientifiques des données, les ingénieurs en IA et les équipes commerciales afin de fournir des données propres et bien structurées pour l'analyse et l'apprentissage automatique. Automatisation et outillage : créer des composants réutilisables, des API et des scripts d'automatisation afin de rationaliser les flux de données et de réduire les efforts manuels. Sécurité et conformité : garantir la sécurité et la confidentialité des données, ainsi que le respect des exigences réglementaires. Documentation et partage des connaissances : tenir à jour une documentation claire sur les pipelines de données, les schémas et les processus. Contribuer aux meilleures pratiques et aux guides internes. Rester au fait des tendances : évaluer les nouveaux outils d'ingénierie des données, les technologies cloud et les meilleures pratiques afin d'améliorer en permanence l'écosystème des données. Contribuer activement à l’amélioration continue des processus internes Participer, selon les besoins, à des initiatives de déploiement et d’opérationnalisation de solutions ML.

Expérience Et Formation

Baccalauréat en génie logiciel ou informatique, ou maîtrise en informatique. Maîtrise avancée de Python. Expérience avec les plateformes cloud (AWS, Azure) — un atout si GCP. Expérience avec des outils et pratiques MLOps. Connaissances en apprentissage automatique et compréhension des fondements mathématiques (cours ML exigés). Bonne compréhension des réseaux informatiques. Expérience en déploiement et opérationnalisation de solutions. Expérience avec Linux et les environnements conteneurisés (Docker). Aisance dans l’environnement Microsoft (poste de travail, écosystème). Débrouillardise, autonomie, curiosité, motivation et forte orientation vers l’apprentissage continu. Capacité à travailler en collaboration dans un contexte en évolution rapide. Sens de la rigueur, souci du détail et bonnes pratiques de documentation. Capacité démontrée à résoudre des problèmes de manière proactive et à proposer des améliorations. 6 à 10 années d’expérience professionnelle dans un rôle connexe (ingénierie de données, MLOps, développement ou ML).

Un Atout

Expérience en ingénierie de données, ETL, MLOps, pipelines et CI/CD. Expérience avec MLflow, DVC ou autres outils de suivi de modèles. Connaissance des outils de monitoring ML. Infrastructure as Code (Terraform, Ansible). Expérience avec CI/CD appliqué au ML ou aux pipelines de données. Expérience avec R. Intérêt pour l’architecture de données et l’optimisation d’écosystèmes cloudQualifications Les certifications en MLOps ou en technologies connexes sont très appréciées.

Compétences Transversales

Solides compétences en analyse et résolution de problèmes. Excellentes aptitudes à la communication, avec un accent sur le coaching et le transfert de connaissances. Haut niveau d'adaptabilité et capacité à travailler simultanément sur plusieurs projets ou clients. Être orienté client et être centré sur l'action et les résultats; Faire preuve d'esprit stratégique et créativité pour résoudre des problèmes complexes de manière innovante; Esprit analytique et rigueur scientifique; Être à l'aise en contextes d'incertitudes; Capacité à vulgariser des concepts techniques et à présenter des résultats à des décideurs; Bonnes capacités en relations interpersonnelles et capacité d'influencer; Bonnes capacités à communiquer efficacement à l’oral et à l’écrit en français; Leadership et expérience en encadrement ou mentorat; Autonomie et capacité à gérer plusieurs projets en parallèle; Valoriser le travail d'équipe et les succès de groupe.

Spécialiste en ingénierie de données