Descriptif du poste:\nVous rejoignez l'équipe Data Groupe pour fiabiliser, opérer et faire évoluer une plateforme data moderne, utilisée par plusieurs équipes et business units.\n\nVos missions\n\nFiabiliser et opérer la plateforme data du groupe\n\nOpérer et faire évoluer notre stack data : Snowflake, dbt, Airflow 3, Airbyte.\n\nIntervenir sur une plateforme déployée sur AKS via ArgoCD et Helm.\n\nRenforcer la robustesse, la scalabilité, la sécurité et la simplicité d'exploitation de la plateforme.\n\nContribuer au run, à la supervision et à l'amélioration continue de l'existant.\n\nRenforcer l'observabilité et la qualité des données\n\nDéployer et industrialiser la suite de tests Elementary : fraîcheur, volumétrie, anomalies.\n\nContribuer au monitoring via Grafana.\n\nFiabiliser les traitements et améliorer la visibilité sur la qualité des données.\n\nMettre en place des pratiques permettant d'anticiper les incidents et de réduire les risques en production.\n\nFaire tourner et faire grandir nos produits data internes\n\nContribuer au run et aux évolutions de nos produits internes.\n\nIntervenir sur un écosystème technique composé notamment de FastAPI, React, PostgreSQL et Snowflake.\n\nParticiper aux évolutions du référentiel opérationnel, du registre sémantique et du traitement des fichiers sell-out.\n\nContribuer à l'industrialisation de notre pipeline d'entity resolution.\n\nInstrumenter les usages IA de la plateforme\n\nInstrumenter les usages IA de la plateforme via Langfuse et OpenMetadata.\n\nContribuer au suivi, à la documentation et à l'évaluation des usages IA.\n\nParticiper à la maîtrise des coûts et à la fiabilisation des workloads IA en production.\n\nAccompagner les équipes Data\n\nTravailler en binôme avec les Data Engineers des zones et business units.\n\nParticiper à la revue de leurs pull requests.\n\nIntervenir notamment sur les sujets staging, sources, modélisation et qualité.\n\nDiffuser les bonnes pratiques d'industrialisation, de documentation et de sécurité.\n\nProfil recherché:\n5 ans minimum d'expérience en data engineering ou data platform.\n\nExpérience significative sur une plateforme data en production, utilisée par plusieurs équipes, business units ou clients.\n\nMaîtrise du SQL : modélisation, optimisation, gestion des droits/RBAC.\n\nTrès bonne maîtrise de dbt en contexte industrialisé : modèles incrémentaux, tests, packages, CI/CD, documentation.\n\nSolide expérience d'Airflow, idéalement en version 2.x ou 3.x.\n\nConnaissance des bonnes pratiques d'orchestration : datasets/assets, patterns de factory, monitoring des DAGs.\n\nExpérience avec un outil d'ingestion managé type Airbyte ou Fivetran.\n\nPratique confirmée de Python : qualité de code, tests, maintenabilité.\n\nCulture DevOps réelle : Kubernetes, Helm, GitOps/ArgoCD, CI/CD, gestion des secrets, environnements multiples.\n\nRéflexe config-as-code et security by design : changements versionnés, revus, reproductibles et documentés.\n\nAutonomie, rigueur et capacité à simplifier les systèmes existants.\n\nFrançais courant et anglais professionnel, notamment pour la documentation et les livrables groupe.\n\nNice to have\n\nExpérience d'un semantic layer ou d'une couche métriques gouvernée : dbt metrics, MetricFlow, Cube ou équivalent.\n\nExpérience de migration depuis un existant BI : DAX, Tabular, Power BI.\n\nConnaissance de l'entity resolution ou du MDM : Splink, dédoublonnage probabiliste, golden records.\n\nPratique de l'observabilité data : Elementary, Monte Carlo, Grafana.\n\nExpérience sur des catalogues de données : OpenMetadata, DataHub.\n\nExpérience d'instrumentation de workloads LLM en production : OpenAI Batch, Langfuse, suivi des coûts, évaluation.\n\nNotions de FastAPI et de React pour contribuer ponctuellement aux produits data internes.\n\nExpérience en environnement multi-tenant, retail, SaaS B2B ou CPG.\n\nConnaissance de Terraform.\n\nContribution à des choix d'architecture warehouse : tenancy, optimisation des coûts, structuration des environnements