En tant que Lead Data Architect, sous la responsabilité directe du Directeur Data & Innovation, il ou elle sera chargé(e) de piloter et d'orienter les choix techniques et architecturaux de l'écosystème data, tout en assurant le bon déroulement des traitements opérationnels. Il ou elle devra garantir la qualité des livraisons, dans le respect des délais et en alignement avec les enjeux métiers stratégiques du groupe. Cette personne préparera également l'équipe à évoluer vers des compétences en machine learning engineering, en vue d'accueillir les premiers cas d'usage IA dès mi-2025. Grâce à son expertise technique et son leadership, il ou elle jouera un rôle essentiel dans la structuration de l'équipe Data & Innovation, en étroite collaboration avec les quatre autres pôles - Data Quality, Data Analytics, Data Science & Data Strategy - ainsi qu'avec la Digital Factory et la DSI. 1. Enjeux techniques et architecturaux - Piloter les choix d'architecture data et de traitements pour garantir robustesse, scalabilité et évolutivité. - Concevoir et optimiser des pipelines de données dans un environnement moderne (Talend, Snowflake, Power BI/Qlik, Python, RPA). - Assurer la mise en œuvre des meilleures pratiques pour le traitement, le stockage et la sécurisation des données. 2. Machine Learning Engineering - Préparer l'évolution de la stack technologique et des compétences de l'équipe pour accueillir les premiers cas d'usage IA dès mi-2025. - Travailler en étroite collaboration avec les équipes Data Science pour anticiper les besoins techniques des projets IA. - Équilibrer les enjeux techniques, humains et organisationnels pour garantir une transition fluide et efficace. 3. Management et organisation - Superviser l'équipe de Data Engineering externe (4 ETP) et renforcer les synergies avec l'équipe interne. - Développer les compétences des collaborateurs et accompagner leur montée en puissance. - Assurer une collaboration fluide avec les équipes Data Science, Data Analysis et les autres parties prenantes internes. - Mettre en place une méthodologie de travail rigoureuse pour garantir des livrables de qualité dans les délais impartis. 4. Collaboration et amélioration continue - Être le point de contact entre les équipes métiers, techniques et la DSI pour traduire les besoins en solutions opérationnelles. - Identifier et implémenter des opportunités d'amélioration continue dans l'écosystème Data. Compétences techniques - Expertise avancée en pipelines de données, ETL/ELT (Talend). - Maîtrise des environnements Cloud et Data Warehousing (Snowflake). - Expérience concrète en machine learning engineering, avec la capacité d'intégrer et d'industrialiser des cas d'usage IA. - Maîtrise des langages Python et SQL. Qualités humaines - Leadership naturel et capacité à motiver une équipe. - Culture du résultat et capacité à gérer des projets dans des environnements exigeants. - Excellentes compétences relationnelles pour collaborer avec des profils variés. - Esprit entrepreneurial et goût du challenge.