9 meilleures offres (tech lead data engineering f/h, paris, a8) (à pourvoir)

Other jobs to consider

Find your next job by exploring related positions.

Tech Lead Data "Digital Experience" F/M/X
AccorCorpo —Issy-les-Moulineaux (92)
You have solid experience in data engineering and team management. Attractive working conditions with collaborative workspaces, restaurants, and recreational…
Postuler rapidement
Lead Data Analyst
SAS LUCKY CART —Paris (75)
Expérience confirmée en management ou lead technique d’une équipe analytique. En tant que référent·e analytique de l’entreprise, vous produisez des analyses à…
De 55 000 € à 65 000 € par an
Postuler rapidement

En vous connectant à votre compte, vous acceptez les Conditions d'utilisation de SimplyHired et consentez à notre Politique relative aux cookies et Politique de confidentialité.

1. Collecte, Ingestion & Indexation

Pipelines d'ingestion : Concevoir la collecte et le traitement de sources hétérogènes (édition, open data, bases juridiques), le parsing, le nettoyage, le chunking et la normalisation des documents.
Indexation & Embeddings : Choisir et industrialiser les modèles d'embeddings, alimenter et maintenir les bases vectorielles, gérer la fraîcheur et la reconstruction des index.
Qualité & Volumétrie : Garantir la scalabilité de l'indexation sur des corpus massifs et la traçabilité des données (lignage, versioning des index).

2. Recherche & Pertinence (Retrieval & RAG)

Stratégie de retrieval : Combiner recherche lexicale et sémantique (BM25 + embeddings) avec du reranking et du filtrage par métadonnées pour maximiser la pertinence.
Évaluation continue : Mettre en place des jeux de tests et des métriques de pertinence (Recall, Precision, nDCG, MRR) pour mesurer et piloter l'amélioration du retrieval.
RAG (Retrieval-Augmented Generation) : Structurer la phase de récupération qui alimente les LLM (contexte, citations, dé-duplication, gestion des fenêtres de contexte).
Observabilité & Sécurité : Instrumenter les pipelines (logs, métriques, traces) et garantir la conformité des données (RGPD, cloisonnement par pays).

3. Leadership Technique & Gouvernance

Culture Craftsmanship : Promouvoir les pratiques de Clean Code, SOLID, et tests automatisés au sein de l'équipe.
Rayonnement : Assurer une veille constante et contribuer au rayonnement technique du groupe (articles, meetups, open-source).

Profil candidat:

Langages : Python 3.11+ (maîtrise requise), Go (ou appétence Java pour les sujets transverses).
Indexation / Vector databases : pgvector, Weaviate, Qdrant, OpenSearch, recherche hybride.
Embeddings & NLP : sentence-transformers, tokenisation, parsing de documents.
RAG & LLM : LangChain, Reranking, OpenAI, Mistral, Bedrock.
Data & Infra : PostgreSQL, Airflow / Spark, Kafka, Redis, Docker, Kubernetes, CI/CD.
Tests & Évaluation : Pytest, Frameworks d'évaluation de pertinence.
Formation : Diplôme de niveau Master, PhD ou équivalent en Informatique, Data Engineering ou IA.
Expérience : Expérience avérée en Data Engineering ou Information Retrieval sur des volumes massifs de données en production.
Expertise Retrieval : Vous maîtrisez l'indexation, les embeddings et la recherche hybride, et savez piloter la performance par la data.
Culture Tech & Dev : Sensibilité aux pipelines reproductibles, au versioning de datasets, ainsi qu'aux bonnes pratiques de développement (Clean Code).
Langues : Anglais fluide indispensable (échanges quotidiens dans un contexte européen).