> Markdown version of [/jobs/ext/3809912-data-engineer-machine-learning-engineer-33-h-f](https://www.wearedevelopers.com/jobs/ext/3809912-data-engineer-machine-learning-engineer-33-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Data Engineer - Machine Learning Engineer - 33 H/F

- **Company:** INFORMATIS TS
- **Location:** Bordeaux, France
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Agile Methodology, Airflow, Big Data, Python (Programming Language), Machine Learning, DataOps, SQL Databases, Apache Spark, Kubernetes, Apache Kafka, Docker
- **Published:** October 18, 2026
- **Apply:** https://talentsdici.fr/offre/i_22d0105fcc154b878a710b75df92ce25

## About the Role

Langages : Python, SQL
Big Data : Spark, Kafka (apprécié)
Cloud : AWS / GCP
Outils : Airflow, Docker, Kubernetes
Méthodologies : Agile, DataOps
Compétences requises : Profil recherché
Expérience significative en data engineering ou machine learning
Bonne maîtrise des environnements à forte volumétrie
Capacité à travailler sur des problématiques temps réel
Esprit analytique et orienté performance
Bon relationnel et esprit d'équipe
Les plus
Expérience en recommandation, scoring ou antifraude
Connaissance des architectures distribuées
Sensibilité aux enjeux produit
Pourquoi nous rejoindre ?
Projets techniques à forte valeur ajoutée
Environnements innovants et data-driven
Possibilité d'évolution rapide
Flexibilité (remote / hybride)

## Description

Projets à forte volumétrie de données, nous recherchons plusieurs profils Data Engineer / Machine Learning Engineer pour intervenir sur des environnements techniques exigeants, orientés performance et temps réel.
Vous intégrerez des équipes data dynamiques, au coeur de la stratégie produit, avec des enjeux liés à l'analyse comportementale, la recommandation et l'optimisation en temps réel.

Vos missions
Concevoir et maintenir des pipelines de données robustes et scalables
Participer à la mise en place d'architectures data modernes (batch / streaming)
Exploiter de larges volumes de données pour des cas d'usage métier (recommandation, scoring, analytics)
Collaborer avec les équipes produit, tech et data science
Optimiser les performances et la qualité des traitements
Environnement technique