Descriptif du poste: Bienvenue chez JCDecaux !   Chez JCDecaux, nous façonnons l'avenir de la communication extérieure.   Nous nous engageons à être le média responsable et durable qui sert la communauté, tant en ville que dans les lieux de transport et de commerce.  Notre histoire commence en 1964 avec la création d'un nouveau modèle économique :  proposer des produits et des services utiles et durables (Abribus, Mobilier Urbain pour l'Information, Kiosques, Sanitaires à entretien automatique, Vélos en libre-service.), financés par la publicité, au bénéfice des villes, de leurs résidents et visiteurs, puis, à partir des années 2000, au bénéfice des aéroports et des compagnies de transports.    Innover toujours, rechercher l'excellence dans tous nos métiers, agir de façon responsable. voilà les valeurs qui nous animent au quotidien.  Rejoignez-nous dans cette aventure qui redéfinit la communication urbaine et améliore les expériences citoyennes à travers le monde. Au sein de la Direction DataCorp, chargée de l'exploitation et de la valorisation des données à travers le groupe, nous recherchons un Data Engineer - Data Solutions (H/F) pour intégrer une équipe dynamique composée de Data Engineers, Data Scientists, Data Analysts et DevOps. Vous contribuerez à concevoir, industrialiser et opérer des Data Solutions destinées à nos clients internes (filiales) : ETL custom, algorithmes et méthodologies de production de données opérationnelles, génération d'insights, modèles de Machine Learning (prédiction, classification, optimisation, etc.). Au quotidien vous serez amené à : ·       Concevoir, développer et industrialiser des Data Solutions de bout-en-bout (de l'ingestion au monitoring) pour répondre aux besoins opérationnels des filiales. ·       Construire et maintenir des pipelines de données (batch et/ou temps réel) robustes, performants et monitorés, pour alimenter ces solutions (ETL/ELT, APIs, pub/sub). ·       Co-concevoir avec les Data Scientists et Data Analysts des algorithmes et méthodologies (segmentation, scoring, prévisions, optimisation, règles métier avancées, etc.) et les transformer en produits data industrialisés. ·       Mettre en production des modèles de Machine Learning (MLOps) : packaging, déploiement, orchestration, suivi de performance, versioning des modèles et des datasets. ·       Participer à la définition des architectures cibles des Data Solutions en vous appuyant sur la Data Platform "Lakehouse" de JCDecaux et sur les services Cloud disponibles. ·       Optimiser la performance, la qualité, la fiabilité et les coûts d'exécution des Data Solutions (optimisation de requêtes, partitionnement, caching, choix de formats, dimension Profil recherché: Amoureux de la Data, vous êtes motivé par la création de solutions concrètes et utilisées au quotidien par les équipes opérationnelles. Vous aimez autant bâtir des pipelines robustes que transformer un algorithme en produit data fiable, scalable et maintenable. Curieux, autonome, vous avez le goût de l'optimisation et des approches algorithmiques, et vous savez travailler en proximité avec le métier pour comprendre les besoins et les traduire en solutions techniques pérennes. De formation Bac +5 minimum de type école d'ingénieur ou université (informatique, mathématiques appliquées, data, statistiques, opérations de recherche ou équivalent), vous disposez d'au moins 3 ans d'expérience dans le traitement de données en environnement industriel, incluant le développement de solutions ou produits data sur une infrastructure Big Data ou Cloud. Vous maîtrisez un environnement Cloud (AWS, Azure ou GCP) et avez déjà participé au déploiement d'applications ou services data en production. Compétences requises * Maîtrise des langages Python et SQL, avec de bonnes pratiques de développement (tests, packaging, revue de code, logging). * Maîtrise des technologies de Data Engineering et de transformation : * Outils de modélisation / transformation (dbt ou équivalent) * Conception d'ETL/ELT custom (Airflow, Dagster, etc.) * Stockage et traitement à l'échelle (Data Lake S3, Snowflake, Redshift ou équivalent) * Bonne compréhension des approches algorithmiques et des briques Data Science / ML : * Manipulation de données (pandas, PySpark, etc.) * Mise en production de modèles * Notions de base en apprentissage supervisé / non supervisé * Maîtrise du développement en environnement Cloud, idéalement AWS. * Pratiques DevOps et MLOps : Docker, CI/CD (GitLab CI), monitoring (Prometheus, Grafana, ou équival