Technical Lead Data

Résumé du poste: Voici votre chance de vivre une aventure professionnelle unique Contexte Dans un contexte de valorisation croissante des données, d’industrialisation des usages analytiques et d’accélération des initiatives Data & IA, le Data Office renforce son leadership technique sur les architectures, les plateformes et les solutions data. Le Tech Lead Data est le référent technique sur les sujets de data engineering, d’architecture data et d’IA. Il garantit la qualité, la robustesse, la cohérence, la sécurité et la pérennité des solutions mises en œuvre. Ce rôle transverse intervient au service de projets de transformation structurants et assure la convergence entre la Data Foundation et les plateformes ML, IA et GenAI. Le Tech Lead Data est positionné au sein du Data Office, en interaction étroite avec les Data Engineers, Data Scientists, Solution Architects, équipes IT (Sécurité, Infrastructure, Opérations) et partenaires métier. Objectifs du poste
* Assurer le leadership technique sur les plateformes et solutions Data de notre modern data stack.
* Garantir le maintien en conditions opérationnelles, l’évolutivité et la cohérence de la plateforme.
* Assurer l’interopérabilité entre les plateformes Data, ML, IA et GenAI.
* Sécuriser la qualité, la performance, l’exploitabilité, la sécurité et la maîtrise des coûts des pipelines et produits data.
* Faire évoluer les méthodes de travail grâce à l’IA, avec une approche pragmatique centrée sur la valeur ajoutée.
* Accompagner la montée en maturité technique des équipes et contribuer activement aux orientations d’architecture. Missions principales 1. Leadership technique Data & IA
* Être le référent technique sur les sujets de data engineering et d’architecture data.
* Définir, promouvoir et faire appliquer les patterns techniques d’ingestion, de transformation, d’exposition, d’orchestration, de serving et d’observabilité.
* Arbitrer les choix techniques et garantir la qualité des implémentations en matière de performance, fiabilité, sécurité, scalabilité, exploitabilité et coûts.
* Challenger les approches existantes et être force de proposition lorsque les standards ou pratiques doivent évoluer. 2. Maintien et évolution des plateformes Data
* Assurer, avec les équipes concernées, le maintien en conditions opérationnelles et l’évolution des plateformes data.
* Définir les trajectoires techniques, anticiper les besoins de capacité et d’observabilité, et piloter la réduction des risques et de la dette technique.
* Garantir la maintenabilité, l’automatisation et la reproductibilité des environnements et des déploiements.
* Veiller à la continuité entre les phases de design, build, déploiement, run, hypercare et décommissionnement. 3. Architecture et interopérabilité
* Contribuer au cadrage et au design des cas d’usage Data.
* Définir et valider les architectures techniques batch, streaming, API et ML pipelines.
* Assurer l’interopérabilité entre les plateformes ML, IA et GenAI et la plateforme Data, notamment sur les flux, les contrats de données, les APIs, la sécurité, l’observabilité et les cycles de déploiement.
* Garantir l’alignement avec les standards IT, les guidelines globales et les trajectoires cibles, tout en proposant leur évolution lorsque cela est nécessaire et justifié. 4. Excellence d’ingénierie et accompagnement des équipes
* Accompagner les Data Engineers sur les choix techniques, les bonnes pratiques et la résolution des sujets complexes ou bloquants.
* Réaliser des revues de design, d’architecture et de code lorsque nécessaire.
* Faire progresser les pratiques de CI/CD, Infrastructure as Code, DataOps, tests automatisés, sécurité et observabilité.
* Contribuer au partage de connaissances, à la documentation et à la montée en compétence collective. 5. Transformation des méthodes de travail par l’IA
* Identifier les usages de l’IA susceptibles d’améliorer concrètement la conception, le développement, les tests, la documentation, l’exploitation et le support.
* Mettre en place une démarche réaliste et pragmatique, fondée sur l’expérimentation maîtrisée, la mesure des résultats et la valeur ajoutée.
* Éviter les effets de mode et prioriser les cas d’usage apportant des gains démontrables de qualité, de délai, de fiabilité ou de coût.
* Accompagner l’adoption des nouveaux outils et pratiques dans le respect des exigences de sécurité, de conformité et de gouvernance. 6. Contribution aux projets de transformation structurants
* Apporter son expertise technique aux projets de transformation structurants du Data Office.
* Sécuriser les décisions d’architecture et les phases clés du cycle de vie des solutions.
* Assurer une transition fluide vers le run en coordination avec les équipes Opérations.
* Contribuer aux arbitrages entre valeur métier, time-to-market, qualité, sécurité, maintenabilité et coûts. Environnement et compétences techniques Cloud & sécurité AWS : architecture cloud, IAM, réseau, sécurité, résilience, opt