Descriptif du poste: En tant que Data Engineer expérimenté, vous participerez à la conception, au développement et à l'optimisation des pipelines de données, et contribuerez activement à la mise en place de la plateforme data de l'entreprise. Vous travaillerez en étroite collaboration avec les Data Scientists, les Data Analysts et les équipes DevOps pour garantir la disponibilité, la qualité et la gouvernance des données.   Vos principales responsabilités seront :   * Concevoir, développer et maintenir des pipelines de traitement de données robustes et scalables (batch & temps réel). * Construire et faire évoluer les data lakes, data warehouses ou plateformes cloud (GCP, AWS, Azure...). * Intégrer, nettoyer, structurer et fiabiliser les données issues de sources variées (APIs, bases de données, fichiers...). * Optimiser la performance et la fiabilité des systèmes de données. * Mettre en place des outils de monitoring, de logging et d'alerting pour les flux de données. * Participer aux choix d'architecture data (stockage, orchestration, sécurité, gouvernance). * Travailler avec les équipes métier pour comprendre leurs besoins et proposer des solutions adaptées. Profil recherché: Profil : * Formation Bac+5 en informatique, data, ingénierie ou équivalent. * Minimum 4 ans d'expérience en tant que Data Engineer. * Esprit analytique, sens du détail, autonomie. * Bon relationnel, capacité à travailler en équipe et à communiquer avec des profils techniques et métiers. * Curiosité et veille technologique dans le domaine de la data.   Compétences techniques :   * Maîtrise d'au moins un langage de programmation orienté data : Python, Scala, Java. * Solide expérience en manipulation et transformation de données avec Spark, Airflow, dbt, etc. * Connaissance des systèmes de base de données relationnelles (PostgreSQL, MySQL) et NoSQL (MongoDB, Cassandra, etc.). * Expérience avec les services Cloud (au moins un parmi AWS, GCP, Azure) et les outils associés : BigQuery, S3, Redshift, Snowflake, etc. * Connaissance des outils de conteneurisation (Docker, Kubernetes) est un plus. * Pratique des outils CI/CD (GitLab CI, Jenkins...) pour le déploiement des pipelines.