Data Engineer Senior

Vous rejoignez une équipe qui construit et opère des flux de données industriels alimentant des applications métiers pour le secteur public , en particulier les collectivités et territoires. Ci après des exemples concrets dans la Smart-City :

• Optimisation des consommations énergétiques des bâtiments à l’échelle du territoire, • Récupérations des données des capteurs IoT pour fournir des services de propreté urbaine, • Construction de jeux de données permettant de faire des études démographiques,

Selon les projets, vous pourrez contribuer ponctuellement à l’industrialisation de briques IA (NLP/LLM notamment), mais ce n’est pas le cœur du rôle.

La diversité de nos clients et de leurs besoins implique des projets très variés : nouvelles sources, contraintes et patterns d’intégration.

Ce qu’on fait au quotidien dans ce rôle

• Ateliers avec les clients/équipes métier pour vérifier qu’on a les bonnes données , au bon niveau de qualité, pour répondre au besoin. • Récupération de données transverses depuis des sources variées (dont IoT). • Standardisation et structuration orientées “produit” en coordination avec les équipes dev. • Mise en place de règles de qualité, de monitoring et d’alerting sur les flux ETL. • Investigation d’incidents (volumétrie, latence, ruptures de qualité), durcissement des pipelines.

Stack & environnement

• ETL / orchestration : Flyte • Backend / services : Python, FastAPI • Déploiement : Docker, Kubernetes (clusters on-prem managés) • Observabilité : Prometheus, Grafana • CI/CD : GitLab CI • Standards (selon projets IoT) : FIWARE / NGSI-LD • Packaging Python : librairies internes réutilisables (wrappers, modèles, utilitaires

Indispensable

• Très bon niveau en Python (qualité logicielle, tests, packaging). • À l’aise avec Docker + les bases Kubernetes (déploiement, logs, debug). • Sensibilité “prod” : monitoring / alerting , analyse d’incidents, rigueur sur la qualité des flux.

Un plus

• Orchestrateurs (Flyte, Airflow, Dagster, Prefect…). • IoT / messaging (MQTT/AMQP) • Standards FIWARE/NGSI-LD. • Notions MLOps/ML engineering (mise en prod, suivi, évaluation simple). • Connaissances GPU (nice-to-have, non requis).

Ce qu’on attend de vous

Logiquement, nous attendons une forte appétence en data engineering : ingestion, transformations, fiabilisation, gestion d’erreurs, rejouabilité. Cependant, voici d’autres critères que nous recherchons au sein des profils :

• Esprit critique, autonomie, sens du concret. • Rigueur sur la qualité de données et la robustesse en production. • Curiosité et envie de faire évoluer l’outillage / les pratiques DataOps