Data Engineer senior - Freelance

Projet en forfait

Durée : 16 à 20 semaines

Mission

Concevoir et industrialiser la chaîne d’ingestion, de normalisation et de structuration de données externes dans le cadre d’une solution Data & IA de collecte et d’analyse de données multi-sources.

Garantir :

• la qualité des données

• la robustesse des pipelines

• la traçabilité des traitements

• l’exploitabilité des flux pour les briques analytiques

Rôle dans le projet

• Responsable du socle pipeline Data

• Prise en charge de :

  • la collecte des sources externes

  • le parsing documentaire

  • la normalisation et structuration des données

  • l’exposition des données vers les modules d’analyse (NLP / IA)

Profil recherché

• 5 à 10 ans d’expérience

• Forte autonomie

• Expérience sur données non structurées (documents, web, PDF, etc.)

• Capacité à délivrer rapidement sans compromettre la robustesse

Responsabilités principales

• Développer des pipelines d’ingestion automatisés

• Concevoir et implémenter des connecteurs vers des sources externes

• Gérer le parsing documentaire (découpage, nettoyage, structuration)

• Mettre en place des mécanismes de déduplication et de contrôle qualité

• Concevoir les modèles de données intermédiaires et normalisés

• Collaborer avec les équipes IA/NLP pour rendre les données exploitables

• Participer aux tests, à la documentation et à la fiabilité des traitements

Compétences indispensables

• Python avancé

• Conception de pipelines de données et orchestration

• APIs, scraping raisonné, parsing documentaire (PDF, HTML…)

• SQL et modélisation de données

• PostgreSQL

• Culture forte de :

  • qualité de données

  • logs et monitoring

  • tests et industrialisation

• Gestion des problématiques :

  • volumétrie

  • erreurs

  • reprise sur incident

  • supervision

Compétences appréciées

• Airflow, Prefect ou équivalent

• Librairies de parsing documentaire (PyMuPDF, pdfplumber, OCR…)

• Elasticsearch, indexation, moteur de recherche

• Bases vectorielles (pgvector ou équivalent)

• Docker, GitLab CI/CD