> Markdown version of [/jobs/ext/4003770-data-engineer-h-f](https://www.wearedevelopers.com/jobs/ext/4003770-data-engineer-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 H/F

- **Company:** Diametral
- **Location:** Lyon, France
- **Contract:** Permanent contract
- **Skills:** Amazon Web Services, Microsoft Azure, Continuous Integration, DevOps, Distributed Systems, Performance Tuning, SQL Databases, Strategies of Testing, Apache Spark, Generative AI, Cloud Integration, Devsecops, Databricks
- **Published:** October 29, 2026
- **Apply:** https://www.welcometothejungle.com/fr/companies/littlebigcode/jobs/data-engineer-h-f-lyon_lyon

## About the Role

Diplômé·e d'un Master 2 (école d'ingénieur ou cursus équivalent en informatique).

Expérience confirmée en Data Engineering, avec une forte exposition aux environnements cloud (AWS indispensable, *Azure et Databricks appréciés).

Maîtrise des pipelines de données, du traitement distribué, et des architectures data modernes.

Capacité à évoluer dans des environnements complexes et multi-équipe.

Niveau courant en français et anglais (C1/C2 requis).

Qualités attendues

Esprit collaboratif : à l'aise dans les environnements pluridisciplinaires, avec une capacité à porter des sujets transverses.

Rigueur et structuration : appétence pour les environnements bien organisés, la documentation claire et les standards de développement.

Esprit d'initiative : proactif·ve, force de proposition, orienté·e solution.

Capacité à vulgariser : aptitude à faire le lien entre la technique et les enjeux métiers.

Goût du partage : envie de transmettre et de continuer à apprendre.

## Description

Industrialisation des pipelines de données : ingestion, transformation, enrichissement - en assurant performance, scalabilité et robustesse (traitements incrémentaux, idempotence).

Optimisation des performances : tuning de requêtes SQL, calculs distribués avec Spark, amélioration continue des performances de traitement.

Contribution à une plateforme data cross-CSP : ajout de services préconfigurés, déploiement rapide de fonctionnalités (serverless, GenAI), mise à disposition d'outils pour les équipes IA.

Automatisation et fiabilisation des workflows : mise en place de CI/CD, monitoring, infrastructure as code et intégration cloud native.

Collaboration transverse : interaction avec les équipes ML/DS, DevOps et DevSecOps sur des sujets partagés et structurants.

Conception d'architectures robustes : modélisation, choix technologiques, rédaction de documents d'architecture (méthode C4), partage des bonnes pratiques.

En interne :

Bonnes pratiques : structuration des guidelines de développement, qualité de code, stratégie de tests.

Rayonnement technique : participation à des événements internes, rédaction de contenus, implication dans la dynamique de veille.

Mentorat : accompagnement des profils plus juniors, transmission des compétences et contribution à la culture technique de l'équipe.