Data Engineer H/F - collectivite

Information importante

Type de contrat: Freelance

Taux journalier : Salaire selon profil

Localisation : Paris, France

Date de démarrage :

2 à 4 semaines

Mode de travail : Hybride

Publié le : 29 juin 2026

Le besoin

Contexte

La Direction DataCorp d'une grande entreprise spécialisée dans la communication extérieure est chargée de l'exploitation et de la valorisation des données à travers le groupe. Nous recherchons un Data Engineer - Data Solutions pour intégrer une équipe composée de Data Engineers, Data Scientists, Data Analysts et DevOps, basée à Paris 17e en mode hybride.

Missions

- Concevoir, développer et industrialiser des Data Solutions de bout-en-bout (ingestion, transformation, monitoring) pour répondre aux besoins opérationnels des filiales
- Construire et maintenir des pipelines de données robustes (batch et/ou temps réel) : ETL/ELT, APIs, pub/sub
- Co-concevoir avec les Data Scientists des algorithmes et méthodologies (segmentation, scoring, prévisions, optimisation) et les transformer en produits data industrialisés
- Mettre en production des modèles de Machine Learning (MLOps) : packaging, déploiement, orchestration, versioning
- Contribuer à la définition des architectures cibles sur la Data Platform Lakehouse et les services Cloud
- Participer à l'élaboration de bonnes pratiques : data products, data contracts, CI/CD, observabilité

Stack technique

- Python, SQL, dbt, Airflow/Dagster, Snowflake/Redshift, AWS, Docker, GitLab CI, Prometheus/Grafana

Profil recherché

- Minimum 5 ans d'expérience en Data Engineering en environnement industriel ou Cloud, avec une exposition concrète à des projets de bout-en-bout (ingestion, transformation, exposition)
- Maîtrise solide de Python et SQL, avec de bonnes pratiques de développement (tests unitaires, packaging, revue de code)
- Expérience confirmée sur la stack Data Engineering moderne : dbt, Airflow, Snowflake, stockage S3
- Pratique d'AWS en production et des outils DevOps/MLOps : Docker, GitLab CI, monitoring (Prometheus, Grafana ou équivalent)
- Une expérience en mise en production de modèles ML (MLOps) est un vrai plus : packaging, orchestration, versioning de modèles