Descriptif du poste:\n\nMissions\n* \nConcevoir, développer et optimiser des pipelines de données à grande échelle.\n* \nMettre en œuvre des flux batch, streaming et ingestion via API.\n* \nStructurer les transformations selon un modèle Médaillon (Bronze / Silver / Gold).\n* \nDévelopper et industrialiser les pipelines via DBT, Spark et Iceberg.\n* \nContribuer à l'évolution de l'architecture Lakehouse.\nLivrables attendus\n* \nDéployer et maintenir les pipelines dans un environnement cloud (AWS ou équivalent).\n* \nOrchestrer les workflows ETL/ELT via Airflow.\n* \nMettre en œuvre l'Infrastructure as Code (Terraform).\n* \nExécuter les traitements dans des environnements conteneurisés (Docker, Kubernetes).\n* \nGarantir la disponibilité, la supervision et l'observabilité des traitements.\n* \nParticiper à la gestion des incidents et à l'amélioration continue.\n* \nDéfinir et mettre en œuvre les règles de qualité des données (tests, validation, contrôles automatisés).\n* \nDocumenter les architectures, pipelines et règles métier.\n* \nGarantir la conformité des flux, notamment dans le cadre RGPD.\n\nProfil recherché:\n\nompétences requises\n* \n8 années minimum d'expérience en Data Engineering.\n* \nMaîtrise avancée des architectures Big Data et Lakehouse.\n* \nExpertise réelle sur Spark, DBT, Iceberg, AWS et Terraform.\n* \nMaîtrise des services AWS (Glue, EMR, S3, ...).\n* \nConnaissance de Trino/Starburst, Datadog.\n* \nForte capacité d'analyse et de compréhension des enjeux métiers.\n* \nRigueur, autonomie et culture de l'amélioration continue.\nCompétences indispensables\n* \nDBT\n* \nIceberg\n* \nAWS (Glue, EMR, S3, ...)\n* \nPython\n* \nSpark\n* \nModélisation Médaillon.