Data Engineer (H/F
- Discuss this with your agent
- Open in Claude
- Open in ChatGPT
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Role details
Tech stack
+1 more
Job description
Le Data Engineer prĂ©pare et fiabilise la donnĂ©e qui alimente les systĂšmes intelligents : pipelines robustes, plateformes data modernes, exposition de la donnĂ©e aux agents autant quâaux tableaux de bord. Sans donnĂ©e prĂȘte et gouvernĂ©e, aucun systĂšme dâIA ne tient en production., * Vous concevez et industrialisez des pipelines de donnĂ©es robustes, de la donnĂ©e brute jusquâĂ son exploitation par les applications et les agents.
- Vous dĂ©ployez et exploitez des plateformes data modernes (lakehouse, entrepĂŽts cloud) pour rendre la donnĂ©e accessible, gouvernĂ©e et performante Ă lâĂ©chelle.
- Vous rendez la donnĂ©e exploitable par des systĂšmes dâIA gĂ©nĂ©rative et agentique (Anthropic, OpenAI, Mistral, Google Gemini, etc.) : structuration pour le RAG, alimentation de bases vectorielles, prĂ©paration de jeux de donnĂ©es pour lâĂ©valuation de modĂšles.
- Vous garantissez la qualité, la fraßcheur et la traçabilité de la donnée par des tests et des contrats de données, pas seulement par une supervision manuelle.
- Vous transformez rapidement une maquette en preuve de concept exploitable, pour valider un cas dâusage avant dâindustrialiser le pipeline dĂ©finitif.
- Vous mettez en place la restitution (BI, tableaux de bord) lorsque le cas dâusage lâexige, en complĂ©ment de lâexposition de la donnĂ©e aux agents., * Orchestration de pipelines de donnĂ©es avec Airflow ou Dagster.
- Transformation de données industrialisée avec dbt.
- Déploiement et exploitation de plateformes data cloud (Snowflake, BigQuery, Databricks).
- Conception dâarchitectures de streaming et de traitement de donnĂ©es en temps rĂ©el (Kafka), lorsque le cas dâusage lâexige.
- Utilisation de bases de donnĂ©es vectorielles pour des cas dâusage RAG (Pinecone, Milvus, Chroma, ou Ă©quivalent).
- ComprĂ©hension pratique du prompting et de la prĂ©paration de jeux de donnĂ©es pour lâĂ©valuation de modĂšles de langage (Anthropic, OpenAI, Mistral, Google Gemini, etc.).
- Mise en place de tests et de contrats de donnĂ©es pour garantir la qualitĂ© et lâobservabilitĂ© de la donnĂ©e.
- Modélisation et préparation de données pour des usages analytiques et opérationnels.
- Prototypage rapide Ă lâaide dâoutils lĂ©gers (Streamlit) pour transformer une maquette en preuve de concept exploitable.
- Production, documentation et transmission des pipelines, pour quâils restent exploitables au-delĂ de votre prĂ©sence.
Requirements
Le socle Architect of Intelligence : des qualités indispensables, présentes dans les critÚres ci-dessous : curiosité, créativité, communication, conscience professionnelle, culture, capacité à faire.
Expérience et parcours
- Une expĂ©rience significative de conception et dâindustrialisation de pipelines de donnĂ©es en production, quel que soit votre point de dĂ©part : ESN, Ă©diteur, startup, ou client final.
- Une pratique avĂ©rĂ©e des plateformes data modernes (cloud ou lakehouse), au-delĂ de lâETL traditionnel.
- Une expĂ©rience, si possible, de prĂ©paration de donnĂ©es au service de systĂšmes dâIA gĂ©nĂ©rative ou agentique.
Posture et savoir-ĂȘtre
- Une rigueur dâingĂ©nierie sur la qualitĂ© et la fiabilitĂ© de la donnĂ©e : une donnĂ©e non fiable invalide tout ce qui est construit au-dessus.
- Une curiositĂ© pour les usages permis par la donnĂ©e que vous prĂ©parez, au-delĂ du pipeline lui-mĂȘme.
- Une capacitĂ© Ă collaborer avec lâAI Engineer et le Foundations Architect sur lâexposition de la donnĂ©e aux modĂšles et aux agents.
- Une autonomie réelle pour transformer un besoin encore mal défini en preuve de concept exploitable.
- Une capacitĂ© Ă produire, documenter et transmettre les pipelines que vous construisez, pour quâils restent exploitables au-delĂ de votre prĂ©sence sur la mission.
Compétences techniques indispensables
- Maßtrise avancée de SQL, socle non négociable quel que soit le langage dominant.
- MaĂźtrise dâun langage de pipeline en profondeur : Python en prioritĂ©, Java ou Scala selon lâĂ©cosystĂšme (Spark, Kafka).
- Mise en Ćuvre de traitements distribuĂ©s avec Apache Spark., * Anglais professionnel courant, Ă lâĂ©crit comme Ă lâoral, indispensable quel que soit le niveau dâexpĂ©rience.
Ce qui nous anime
Intelligence Collective
La collaboration entre expertises, mĂ©tiers et gĂ©ographies nous permet de combiner les savoir-faire et dâapporter des rĂ©ponses plus complĂštes aux dĂ©fis de nos clients. FiabilitĂ©
Notre capacitĂ© Ă dĂ©livrer des projets complexes avec rigueur et exigence constitue lâun des fondements de la relation de confiance que nous construisons avec nos clients. Pragmatisme
Nous privilĂ©gions lâimpact concret et la crĂ©ation de valeur mesurable plutĂŽt que les discours technologiques abstraits. Esprit Entrepreneurial
La curiositĂ©, lâĂ©nergie et lâautonomie sont au cĆur de notre culture. Elles favorisent lâinitiative, lâinnovation et le dĂ©veloppement continu de nos expertises.
About the company
Keyrus est un groupe international de 2 800 consultants et experts prĂ©sents dans 28 pays, portĂ© par une conviction forte : ce nâest pas lâintelligence artificielle qui transforme les entreprises, mais lâintelligence conçue, structurĂ©e et intĂ©grĂ©e Ă leur fonctionnement.
Depuis plus de 30 ans, nous construisons les fondations data qui permettent aux systĂšmes intelligents de crĂ©er de la valeur. Nous concevons le systĂšme dâexploitation de lâentreprise intelligente, oĂč la donnĂ©e, lâIA et lâexpertise humaine sâintĂšgrent au cĆur des processus mĂ©tiers pour gĂ©nĂ©rer une performance durable. Chez Keyrus, nous donnons vie Ă lâintelligence opĂ©rationnelle.
Lâintelligence artificielle ne remplace pas lâhumain. Elle lui permet de se concentrer sur ce quâaucun systĂšme ne peut reproduire : comprendre, dĂ©cider, concevoir et innover. Rejoindre Keyrus, câest construire son jugement, son expertise et sa capacitĂ© Ă rĂ©soudre des problĂ©matiques complexes.
La technologie est un accĂ©lĂ©rateur. La culture Keyrus fait la diffĂ©rence. Lâexcellence opĂ©rationnelle permet de relier les deux.
Data Engineer, Chez Keyrus, nous accompagnons les organisations dans leur passage dâune IA expĂ©rimentale Ă une IA industrialisĂ©e, dâagents isolĂ©s Ă des systĂšmes orchestrĂ©s, et de lâanalyse Ă lâexĂ©cution. Câest cette expertise que nous appelons lâArchitecture de lâIntelligence.
GrĂące Ă notre modĂšle propriĂ©taire Human Orchestrated Model (HOM), nous concevons des environnements intelligents reposant sur trois piliers fondamentaux : des fondations data et intelligence robustes et fiables ; une gouvernance garantissant que lâhumain reste au cĆur de la dĂ©cision ; des mĂ©canismes de pilotage de la performance permettant une amĂ©lioration continue.
Fort de plus de 30 ans dâexpertise et de 2 800 collaborateurs rĂ©partis dans 28 pays, Keyrus accompagne les entreprises bien au-delĂ de leur transformation.
Apply for this position
This job is hosted externally. Click below to view the full posting and apply.
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Good distractions
Talks and stories from around this role â technically off-topic, practically not.
Moments
Explore playlistsVideos
See allRelated articles
See all
Best Companies to Work For in France: Top 25 Companies in 2023Â
Where To Find Software Engineering Jobs
Data Engineer Salary UK
Fully Remote Software Engineer Jobs