Nous recherchons un(e) Data Engineer / Machine Learning pour piloter les projets data, BI et IA de notre client, avec un focus particulier sur l'intégration de l'IA dans l'ERP. Le premier objectif est la mise en place d'une architecture data robuste (ETL, Data Warehouse) afin de fiabiliser, historiser et exploiter la donnée de façon industrielle. Le second objectif est que ce Data Engineer arrive avec une forte sensibilité Machine Learning, capable de poser les fondations de notre SI data-driven et d'accompagner l'émergence de cas d'usage IA. Missions principales : 1. Architecture & Infrastructure Data - Définir et mettre en œuvre l'architecture du Data Warehouse (sur site). - Construire des pipelines ETL/ELT pour automatiser les flux de données à partir des systèmes existants (ERP, TMS, WMS, etc.). - Assurer la gouvernance de la donnée : qualité, traçabilité, historisation, sécurité. - Participer à la mise en place d'un catalogue de données. 2. Préparation et Structuration pour l'IA - Concevoir des modèles de données adaptés aux futurs cas d'usage IA. - Structurer et enrichir les datasets nécessaires aux analyses prédictives (prévisions ETA, détection anomalies.). - Travailler en étroite collaboration avec les développeurs de l'ERP pour intégrer les flux de données métiers. 3. Collaboration & Culture Data - Travailler de manière transverse avec les équipes IT, métier, développement logiciel et direction. - Accompagner les équipes dans l'usage de la donnée (montée en compétence, outils de consultation, sensibilisation aux enjeux data). - Être moteur dans la montée en puissance d'une culture data-driven. 4. Développement Machine Learning (à moyen terme) - Participer à l'expérimentation de premiers modèles ML simples en collaboration avec les métiers. - Industrialiser les modèles développés via API, conteneurisation, intégration à l'ERP ou outils de supervision. Compétences techniques : - Excellente maîtrise de Python et SQL. - Solide expérience dans la construction de pipelines de données (ETL/ELT). - Maîtrise d'un ou plusieurs outils de workflow/orchestration (Airflow, dbt, Talend.). - Bonne connaissance des bases de données (relationnelles ou cloud : Snowflake, BigQuery, Synapse, etc.). - Connaissances de base en Machine Learning (modélisation, structuration des datasets, Scikit-learn, etc.). - Capacité à travailler dans un environnement DevOps (Git, CI/CD, Docker, APIs REST). Formation & expérience : - Bac+5 (école d'ingénieur, université, Master en informatique, data, systèmes distribués.). - 3 à 5 ans d'expérience dans un poste similaire. - Expérience en environnement industriel ou logistique est un plus. Qualités : - Vision système, structuré(e), pragmatique. - Autonomie, force de proposition, goût pour le travail en équipe transverse. - Sens du service et curiosité sur les usages métiers. Environnement technique (à enrichir selon ton SI) : - ERP interne (en développement) - TMS / WMS / CRM - PostgreSQL / SQL Server - Python, Pandas, dbt, Airflow - Power BI (consommation des données)