Descriptif du poste: Tu rejoindras l'équipe Data de RCA, composée de 18 personnes (Data Engineers, PM, Analystes, ML, développeurs, etc.), au cœur de nos enjeux produit, cloud et performance. Ton rôle : concevoir, faire évoluer et maintenir nos pipelines data pour servir à la fois nos utilisateurs internes (outils d'aide à la décision) et nos clients externes (API exposées à destination des experts-comptables). Tes missions : * Concevoir des pipelines batch & streaming robustes, scalables et maintenables * Participer à la migration vers un traitement en temps réel (Kafka) * Dockeriser les environnements Python et les intégrer aux pipelines CI/CD * Concevoir et mettre en œuvre des architectures data * Déployer des composants AWS avec Terraform en lien avec l'équipe plateforme (IAM, S3, EKS, ECS, etc.) * Participer à la mise en place d'une observabilité Data (logs, qualité, monitoring) * Accompagner les Data Analysts & PM dans l'industrialisation des solutions Travailler dans une logique "data as a product" : forte proximité avec les usages   Stack & Environnement : * Cloud : AWS (IAM, S3, RDS, EKS, ECS, DMS.) * Data Engineering : Airflow, DBT, Kafka, Terraform * Développement : Python (Poetry, Pytest, Black), SQL * Stockage : Snowflake, PostgreSQL * CI/CD : GitLab CI * BI : Holistics, ThoughtSpot ML Ops : début d'implémentation, présence d'un Data Scientist + Ingénieur ML Enjeux & projets : * Migration progressive vers du streaming (Kafka) * Mise en place de solutions d'observabilité et de gouvernance data * Automatisation et montée en puissance sur les sujets MLOps / IA générative * Vision produit forte : la donnée est un levier métier et business clé Profil recherché: Profil : * 3 ans minimum d'expérience en Data Engineering (ou plus si affinités !) * Très bonne maîtrise de Python, AWS, ETL/ELT * Connaissance de Snowflake, Airflow, Terraform, Kafka appréciée * Intérêt pour les enjeux Ops : CI/CD, monitoring, performance * À l'aise en environnement collaboratif, agile, avec une forte autonomie * Travailler dans une logique "data as a product" : forte proximité avec les usages