/// Data & AI
DataOps / Data Reliability Engineer
Industrialiser et surveiller les pipelines de données en environnement cloud ou hybride, en assurant la qualité, la conformité et la disponibilité des flux à l'échelle de l'entreprise.
/// missions
Ce que vous ferez chez Uneety
Trois temps forts du poste, pensés pour bâtir du concret, pas pour cocher des cases.
- Concevoir un pipeline de données orchestré, modulaire et réutilisable
- Mettre en œuvre des tests de qualité automatisés sur la data
- Intégrer le monitoring data dans une stack observabilité
- Gérer la traçabilité de bout en bout des données
- Implémenter des processus de CI/CD pour les pipelines de données
- Déployer des alertes sur les SLA/SLO des jobs data
- Orchestrer des workflows de données multi-technologies
- Versionner les artefacts et transformations de données
- Implémenter des politiques de sécurité et d’accès RBAC sur les données
- Auditer la qualité des sources de données
- Automatiser les vérifications post-déploiement des pipelines
- Gérer le catalogue de données opérationnel
- Mettre en place des jobs de purge ou d’archivage intelligent
- Automatiser le traitement d’erreurs et la relance de jobs
- Évaluer l’impact de modification de modèle sur les downstream dataflows
- Réaliser des audits de conformité RGPD ou qualité ISO
- Gérer des workflows multi-cloud avec des connecteurs
- Piloter les ressources cloud utilisées par les pipelines
- Former les équipes Data Engineering à l’approche DataOps
- Industrialiser un environnement DataOps complet as code
/// stack & outils
Votre terrain de jeu technique
Les technologies et plateformes que vous manipulerez au quotidien, selon les missions et les contextes clients.
/// dimension ia
L’IA n’est pas une option, elle fait partie du métier
Contribution à l'AI Readiness : industrialisation de la donnée et des modèles, ouverture au GenAI/RAG, dans une logique d'IA responsable.
Capacité 01
Préparer données et features pour l'IA / GenAI
Outils · Feast, data quality
Capacité 02
Industrialiser les modèles (MLOps / LLMOps)
Outils · MLflow, Kubeflow
Capacité 03
GenAI / RAG (du prototype à la production)
Outils · LangChain, base vectorielle
Capacité 04
Explicabilité, biais et confidentialité (IA responsable)
Outils · SHAP, Fairlearn, Differential Privacy
Capacité 05
Monitoring de dérive et qualité en production
Outils · Evidently, WhyLabs
/// pourquoi nous rejoindre
Ce que ce poste vous apportera
Des missions à fort impact
Des contextes exigeants, des sujets de pointe, et la liberté de proposer.
L’IA intégrée à votre pratique
GenAI, MLOps, AIOps : montez en compétence sur le terrain, avec les bons outils.
Un collectif d’experts
Une communauté technique active, des retours d’expérience et un mentoring continu.