Descriptif du poste:\n\nPour assurer le maintien en conditions opérationnelles et l'évolution d'une plateforme Big Data dédiée à la recherche scientifique, le laboratoire LASTIG recherche un. ingénieur.e DevOps/DataOps. \nUtilisée par chercheurs, data scientists et équipes techniques pour traiter et valoriser des données à grande échelle, cette plateforme repose sur Kubernetes et un écosystème Data moderne. \nVous en garantirez la stabilité, la sécurité et la performance, tout en accompagnant les utilisateurs au quotidien.\n? Maintenir en conditions opérationnelles la plateforme : disponibilité, fiabilité, sécurité et performance des services\n? Administrer et faire évoluer les composants Kubernetes selon les besoins scientifiques, techniques et organisationnels\n? Déployer et maintenir l'écosystème Data : Spark, Kafka, JupyterHub, Trino, OpenMetadata, dbt, MinIO, PostgreSQL\n? Automatiser déploiement et configuration (Helm, Kustomize, GitLab CI, ArgoCD, Argo Workflows /Events) et renforcer les pratiques GitOps, CI/CD et Infrastructure as Code\n? Superviser la plateforme, gérer les alertes et améliorer l'observabilité\n? Diagnostiquer et résoudre incidents et problèmes de performance ; optimiser les usages des outils Data\n? Accompagner les utilisateurs (prise en main, support) et produire la documentation technique et les guides\n? Garantir reproductibilité, gouvernance et traçabilité ; gérer droits et accès (Keycloak, RBAC, namespaces)\n? Proposer des améliorations de robustesse, d'ergonomie et de qualité de service\n\nProfil recherché:\n\n? Expérience en environnement universitaire, laboratoire ou infrastructure de recherche\n? Expérience en DevOps/DataOps, Cloud ou administration Kubernetes ; bonne connaissance des environnements Big Data / calcul distribué \n? Maîtrise de Kubernetes, Docker, CI/CD, GitOps et Infrastructure as Code (GitLab CI, ArgoCD, Terraform, Ansible, Helm, Kustomize)\n? Compréhension des enjeux de performance et tuning (Spark, Trino, Kafka, MinIO, PostgreSQL)\n? Usages scientifiques (notebooks, workflows de données, Python/R, calcul distribué) ; expérience JupyterHub, Spark, Trino, stockage objet\n? Connaissance des principes FAIR, de la gestion des métadonnées et du RGPD\nContractuels uniquement.