CONTEXTE

La Factory Data Engineering conçoit, développe et exploite les pipelines et plateformes de données de l'entreprise. Elle garantit la disponibilité, la qualité, la sécurité et la performance des données pour l'ensemble des Factories du Pôle Data & IA (Data Science, AI Engineering,
Business Intelligence, Quality Assurance), au sein d'une architecture de type Data Mesh organisée en couches Bronze, Silver et Gold.

Expérience requise : 6 ans et plus

MISSIONS PRINCIPALES

▪ Définir l'architecture technique des pipelines et plateformes de données à l'échelle de la Factory.
▪ Être référent technique et mentor pour les Data Engineers juniors et confirmés.
▪ Établir les standards, bonnes pratiques et guidelines d'ingénierie data (code, tests,
documentation).
▪ Superviser la performance, la scalabilité, la résilience et la fiabilité des plateformes de données.
▪ Arbitrer les choix technologiques structurants en lien avec nos partenaire et la direction du Pôle Data & IA.
▪ Piloter les chantiers de refonte, de migration ou d'optimisation des flux critiques.
▪ Garantir la mise en œuvre des exigences de sécurité et de gouvernance sur les flux de données.
▪ Définir l'architecture technique des pipelines et plateformes de données à l'échelle de la Factory.
▪ Être référent technique et mentor pour les Data Engineers juniors et confirmés.
▪ Établir les standards, bonnes pratiques et guidelines d'ingénierie data (code, tests,
documentation).
▪ Superviser la performance, la scalabilité, la résilience et la fiabilité des plateformes de données.
▪ Arbitrer les choix technologiques structurants en lien avec nos partenaire et la direction du Pôle Data & IA.
▪ Piloter les chantiers de refonte, de migration ou d'optimisation des flux critiques.
▪ Garantir la mise en œuvre des exigences de sécurité et de gouvernance sur les flux de données.

MISSIONS PRINCIPALES

COMPÉTENCES REQUISES

▪ Maîtrise de la conception et de l'industrialisation de pipelines de données ETL/ELT de bout en bout.
▪ Capacité à modéliser des données pour des usages analytiques et à structurer les couches Bronze / Silver / Gold.
▪ Maîtrise de l'optimisation des traitements distribués (partitionnement, formats colonnes, gestion de la mémoire).
▪ Capacité à mettre en place des contrôles de qualité et des tests automatisés sur les flux de données.
▪ Bonne compréhension des enjeux de gouvernance, sécurité et conformité des données (RGPD).
▪ Capacité à documenter les flux et à produire des dossiers de présentation par domaine de données.
▪ Capacité à collaborer avec les autres Factories pour recueillir et traduire leurs besoins en données.
▪ Sensibilité aux bonnes pratiques d'ingénierie logicielle : revue de code, versioning, CI/CD.

STACK TECHNIQUE

▪ Langages : Python, SQL, Scala (apprécié)
▪ Traitement de données distribué : Apache Spark / PySpark
▪ Orchestration de workflows : Apache Airflow
▪ Transformation analytique : dbt (data build tool)
▪ Streaming & CDC (Change Data Capture) : Apache Kafka, Debezium
▪ Bases de données : PostgreSQL (partitionnement, indexation, tuning), NoSQL
▪ Données pour l'IA générative (apprécié) : pipelines d'alimentation RAG, base
vectorielle Qdrant, MongoDB
▪ Stockage objet : MinIO, Amazon S3 (ou équivalent compatible S3)
▪ Formats de données : Parquet, Avro, ORC ; formats de table Iceberg / Delta Lake
(appréciés)
▪ Architecture : Data Mesh (Bronze / Silver / Gold), Data Lakehouse
▪ Requêtage SQL fédéré : Trino / Starburst
▪ Conteneurisation & orchestration : Docker, Kubernetes, Rancher (SUSE)
▪ Cloud : (stockage, calcul, IAM)
▪ CI/CD & Infrastructure as Code : GitLab CI, Terraform
▪ Qualité des données : tests dbt, Great Expectations (apprécié)
▪ Observabilité : Prometheus, Grafana, centralisation des logs
▪ Versioning & collaboration : Git, GitLab

ENVIRONNEMENT DE TRAVAIL

▪ Méthodologie agile (Scrum / Kanban), rituels d'équipe et revues de code systématiques.
▪ Travail en collaboration étroite avec les Factories Data Science, AI Engineering, Business
Intelligence et Quality Assurance.
▪ Outils collaboratifs : Git/GitLab, E-projet, Telegram.
▪ Culture DevOps et d'industrialisation : tests automatisés, CI/CD, documentation vivante.
▪ Environnement Cloud et conteneurisé, avec des exigences fortes de sécurité et de
conformité.

PROFIL RECHERCHÉ
▪ Formation Bac+5 (école d'ingénieur, université) en informatique, data ou équivalent.
▪ 6 ans d'expérience minimum en Data Engineering, dont une expérience significative de
référent technique.
▪ Expertise avancée en Python, Spark, SQL et architectures distribuées.
▪ Solide expérience en environnement de production.
▪ Maîtrise des architectures Data Mesh / Lakehouse et des enjeux de gouvernance associés.
▪ Leadership technique, capacité à mentorer et à arbitrer des choix d'architecture.
▪ Excellentes capacités de communication avec les équipes techniques et non techniques.
▪ Expérience de la conduite de projets data structurants.

COMPÉTENCES MANAGÉRIALES
▪ Leadership technique et capacité à mentorer des profils plus juniors.
▪ Vision stratégique, esprit d'initiative et prise de recul.
▪ Excellentes capacités de communication et de pédagogie avec des interlocuteurs variés.
▪ Exemplarité sur les bonnes pratiques et la culture qualité de l'équipe.
▪ Sens de la confidentialité et respect strict de la gouvernance des données (RGPD).
▪ Rigueur, sens de l'organisation et fiabilité dans les engagements pris.
▪ Esprit d'équipe et goût du travail collaboratif entre Factories.
▪ Capacité d'adaptation dans un environnement technique en évolution rapide.
▪ Sens de l'innovation et curiosité pour les nouvelles technologies data et IA.

CANDIDATURE
Merci d'adresser votre CV et votre disponibilité à bi@synelia.tech, avec pour objet
REC-DIA-DE-DENG-SR-2611-01.
Candidatures à envoyer avant le 30/11/2026.

Data Engineer Senior_REC-DIA-DE-DENG-SR-2611-01