Descriptif du poste: Le contexte Une stack SQL qui fonctionne, qui alimente déjà les équipes au quotidien. mais qui n'a pas encore été structurée pour passer à l'échelle.   Les transformations sont en production sur un data warehouse cloud (type BigQuery) : elles tournent, mais elles sont peu testées, peu documentées, et pas encore portées dans un framework moderne comme dbt.   Ta mission : changer ça. Poser les bonnes fondations, migrer vers dbt, industrialiser la stack et faire en sorte que la donnée devienne une ressource de confiance pour toutes les équipes - y compris l'équipe IA, qui s'en sert pour ses pipelines LLM et ses agents en production.   Tu seras le premier Data Engineer dédié sur ce périmètre : pas de page blanche totale, mais un vrai chantier de construction avec un impact direct sur le produit et le business.   Ce que tu feras * Piloter la migration des transformations SQL vers dbt sur un data warehouse cloud (type BigQuery) : modélisation, tests, documentation, CI/CD. * Être l'owner technique de la data stack : tu ne fais pas qu'exécuter un backlog, tu prends des décisions d'architecture et tu fixes les standards. * Mettre en place des bonnes pratiques de collaboration data : conventions de nommage, revue de code, gestion des merge requests, documentation claire. * Garantir la qualité, la disponibilité et la fiabilité de la donnée pour Sales, Ops, Finance et Produit : tests, monitoring, alerting, gestion des incidents data. * Devenir le garant de la source de vérité : métriques partagées, data catalog, modèles documentés et compréhensibles par les métiers. * Travailler en binôme avec l'équipe IA pour exposer des données propres, structurées et prêtes pour les pipelines LLM et les agents. * Comprendre les enjeux business pour prioriser les bons chantiers : tu arbitres entre dette technique, besoins métier urgents et vision long terme.   ���� Stack & environnement * Tu évolueras dans un environnement très proche de cette stack : * Data warehouse cloud (type BigQuery) avec SQL avancé. * dbt (core/cloud) pour les transformations. * Orchestration : Airflow ou outil équivalent. * Base opérationnelle : MongoDB ou base NoSQL similaire. * Tooling : Python (scripts, intégrations), Git / GitHub pour la collaboration et la CI/CD.   Ce que tu vas apprendre ici * Comment structurer une stack qui tourne "en mode startup" pour la rendre scalable et maintenable à grande échelle. * Comment la donnée que tu façonnes alimente des agents LLM en production : feature store, jeux de données pour fine-tuning, monitoring de performance. * Comment travailler au quotidien au contact d'équipes Produit, IA, Ops et Finance dans un contexte de scale-up qui se déploie à l'international.   PS : Si tu n'as pas encore évolué dans un environnement où la data est directement branchée à des systèmes IA en production, c'est un vrai accélérateur de courbe d'apprentissage. Profil recherché: Profil recherché * Anglais niveau professionnel * BAC +5 en Informatique * 3 ans d'expérience minimum en Data Engineering, avec une expérience confirmée sur un data warehouse cloud (idéalement BigQuery) et dbt en production. * Tu as déjà mené - ou contribué activement - à une migration de système de transformation (refonte, standardisation, tests, documentation). * Tu maîtrises Git et les pratiques de collaboration modernes : branches, merge requests, code review. * Tu es à l'aise pour challenger un besoin métier, poser des questions, proposer une meilleure modélisation plutôt que d'appliquer une spec sans recul. * Tu aimes les environnements où tout n'est pas encore figé, où tu peux laisser une vraie empreinte sur l'architecture et les pratiques.   Package & conditions * Salaire brut annuel cible : 50-65 k€ * Localisation : Paris Intramuros (Hybride Remote) * Mutuelle * Titres resto * Evénements d'équipe * Budget formation * BSPCE très avantageux   ���� Process de recrutement Process clair et rapide en 4 étapes, géré en coordination avec le client final :   * Entretien visio (45 min) avec le manager de l'équipe data/engineering, pour faire connaissance, parler de ton parcours et du contexte. * Étude de cas technique à réaliser en autonomie, centrée sur du data modelling / dbt / SQL, très proche des enjeux réels. * Debrief technique de l'étude de cas : on parle de ta démarche, de tes choix, de ta façon de raisonner et de prioriser. * Speed meeting avec plusieurs membres de l'équipe (data, produit, tech) pour valider le fit humain, la culture et le mode de collaboration.   Pour postuler * Envoie ton CV à jour * Quelques lignes sur une migration de stack ou de modèles dont tu es fier (idéalement BigQuery + dbt ou équivalent) * Un lien GitHub ou tout exemple de projet qui illustre ta manière de travailler   On revient vers toi rapidement si ton profil mat