Data Engineer Sénior - Morphome

ContexteMission consistant à développer une solution permettant aux chercheurs de transformer leurs analyses exploratoires en traitements fiables et réutilisables.

MissionsDévelopper une solution logicielle pour la transformation d?analyses exploratoires en traitements fiables et réutilisables

Collaborer avec des chercheurs et un Data Scientist dans un contexte de recherche

Monter en compétence rapidement sur les outils spécifiques du projet

Assurer la communication claire avec des profils non techniques, MCP, Claude Code

GitLab CI

Vertex AI / KFP et MLOps avancé

Analyse statique de code Python (AST/LSP)

Connaissances en imagerie médicale et histopathologie

Soft skillsAutonomie et rigueur

Communication claire, notamment avec des profils non techniques (chercheurs) et le Data Scientist

Capacité à monter en compétence rapidement sur les outils spécifiques du projet

Esprit de collaboration dans un contexte de recherche

Outils & Environnement & Compétences obligatoiresMaîtrise de GCP : GKE, IAM, GCS, BigQuery

Python en production : conception modulaire (principes SOLID, architecture hexagonale ou équivalent), typage statique, tests unitaires/d’intégration

Docker, Git et CI/CD avec expérience concrète de déploiement et de diagnostic (debugging pipelines)

SQL, modélisation de données et définition de contrats de données (data contracts)

Expérience cloud avec adaptation de modules Terraform existants (pas nécessairement de conception from scratch, mais capacité à faire évoluer un IaC existant)

Réalisation agentique concrète : appels d’outils/API, gestion des erreurs, dans le cadre d’un projet réel ou d’un démonstrateur

Compétences appréciées (Nice-to-have)Agents IA déjà déployés en production, Maîtrise de GCP : GKE, IAM, GCS, BigQuery

Python en production : conception modulaire (principes SOLID, architecture hexagonale ou équivalent), typage statique, tests unitaires/d’intégration

Docker, Git et CI/CD avec expérience concrète de déploiement et de diagnostic (debugging pipelines)

SQL, modélisation de données et définition de contrats de données (data contracts)

Expérience cloud avec adaptation de modules Terraform existants

Une première réalisation agentique concrète : appels d’outils/API, gestion des erreurs, dans le cadre d’un projet réel ou d’un démonstrateur

Autonomie et rigueur

Communication claire, notamment avec des profils non techniques (chercheurs) et le Data Scientist

Capacité à monter en compétence rapidement sur les outils spécifiques du projet

Esprit de collaboration dans un contexte de recherche