Offres d'emploi en Data & AI

Data Analyst

Transformer des données chaotiques en insights clairs, créer des dashboards réellement utilisés, répondre aux demandes « tu peux sortir ça rapidement ? » qui ne prennent jamais cinq minutes, et aider les équipes à décider sur base de faits plutôt que d’intuitions.

Data Scientist

Construire des modèles prédictifs et statistiques, détecter des schémas invisibles à l’œil humain, expliquer des concepts complexes simplement et consacrer beaucoup de temps à préparer des données imparfaites pour que les modèles brillent lors de la démo finale.

Data Architect

Concevoir des écosystèmes data modernes tels que data lakes, data warehouses, streams et lakehouses qui passent à l’échelle, assurer un flux de données fluide de la source à l’insight et éviter que l’organisation ne se perde dans un enchevêtrement de pipelines et de bases parallèles.

Data Engineer / ETL Engineer / DWH Engineer

Construire et maintenir des pipelines data fiables, transformer des données brutes en jeux de données de confiance, concevoir des entrepôts performants et garantir que les équipes en aval ne prennent pas de décisions sur des données incomplètes ou incohérentes.

Analytics Engineer

Évoluer à l’interface entre data engineering et analytics, maîtriser la couche de transformation, écrire des modèles dbt maintenables et transformer des tables brutes en datasets propres, documentés et prêts pour l’analyse.

BI Analyst

Transformer les données en intelligence business, créer des tableaux de bord et visualisations qui orientent les décisions, et expliquer pourquoi les chiffres diffèrent entre systèmes sans accuser automatiquement « la donnée ».

BI Developer

Développer des solutions BI d’entreprise, concevoir des couches sémantiques et des modèles de données optimisés, et livrer des dashboards suffisamment rapides pour éviter les emails accompagnés de captures Excel de « la dernière version ».

AI Engineer

Développer et déployer des solutions AI, intégrer des modèles de machine learning dans des systèmes en production et faire le lien entre notebooks expérimentaux et applications réelles, fiables, scalables et génératrices de valeur mesurable.

Machine Learning Engineer

Faire passer les modèles ML du prototype à la production, construire des pipelines d’entraînement et d’inférence, surveiller les performances en conditions réelles et éviter que des modèles efficaces en test ne s’effondrent face aux comportements utilisateurs.

MLOps Engineer

Automatiser l’ensemble du cycle de vie ML, gérer les feature stores, le versioning et le monitoring des modèles, détecter les dérives avant qu’elles ne deviennent critiques et rendre le déploiement de modèles aussi stable que celui d’un logiciel classique.

AI Architect

Concevoir des architectures et stratégies AI à l’échelle de l’entreprise, évaluer où l’AI apporte une réelle valeur, définir les pipelines data et modèles, et garantir des solutions intégrées, cohérentes et maintenables.

Prompt Engineer / LLM Engineer

Optimiser les prompts et interactions avec les modèles, mettre en place des cadres d’évaluation des performances LLM, affiner les modèles pour des cas d’usage spécifiques et évoluer dans un univers d’AI générative en constante mutation.

Data Product Manager

Définir la roadmap des produits et plateformes data, traduire les besoins métiers en exigences data et trouver l’équilibre entre insights rapides et fondations scalables pour une analytics durable.

Power BI Developer

Créer des dashboards Power BI interactifs, optimiser des formules DAX exigeantes pour le CPU et la patience, améliorer les performances des rapports et concevoir des visuels qui rendent les insights immédiatement compréhensibles, même pour des publics non techniques.

Power BI Analyst

Traduire les questions métier en rapports Power BI, connecter toutes sortes de sources de données, développer des mesures DAX reflétant la logique business et expliquer les écarts avec les anciens fichiers Excel.

Microsoft Fabric Engineer

Construire des solutions au sein de l’écosystème Microsoft Fabric, gérer lakehouses et pipelines et orchestrer des flux analytics de bout en bout sur la plateforme data unifiée de Microsoft.

Microsoft Fabric Architect

Concevoir des architectures data d’entreprise sur Microsoft Fabric, planifier des migrations depuis des systèmes legacy et exploiter efficacement les capacités de Fabric, sans enfermer l’organisation dans une complexité à long terme.