Platform Engineer — Hublo

🏥 À propos de Hublo

Chez Hublo, nous sommes convaincus que les outils digitaux et l’accompagnement humain peuvent contribuer à transformer et améliorer le système de santé.

Notre ambition : permettre aux établissements de santé de devenir des lieux plus épanouissants et libérer du temps aux soignants afin qu’ils puissent se recentrer sur leur mission première : soigner.

Depuis 2016, nous développons une plateforme SaaS RH dédiée au secteur de la santé, avec l’ambition de devenir la plateforme RH de référence du secteur.

Aujourd’hui, Hublo est utilisé par 6 000 établissements de santé et plus d’1,4 million de professionnels.

Certifiée B-Corp et entreprise à mission, Hublo porte une exigence d’impact autant que de performance. En 2025, l’entreprise a dépassé 30 M€ de revenus annuels récurrents, est rentable et en forte croissance.

Soutenue par des investisseurs français de premier plan (Five Arrows, Revaia, Bpifrance), Hublo compte aujourd’hui 200 collaborateurs et continue de grandir. Chaque recrutement compte.

🎯 Ton rôle

En tant que Platform Engineer, tu seras responsable de construire et faire évoluer une plateforme Data fiable, observable et scalable, utilisée au quotidien pour piloter Hublo.

Tu contribueras également à poser les fondations de notre plateforme ML/AI, afin de permettre au ML/AI Engineer de passer rapidement de prototypes à des modèles reproductibles, monitorés et opérables en production.

Enfin, tu seras garant de mettre en place un cadre durable autour de la sécurité, de la conformité, de la traçabilité et de la maîtrise des coûts, sans ralentir les équipes qui utilisent nos données et nos modèles.

🚀 Tes missions

Faire évoluer la plateforme Data

• Faire évoluer les frameworks de transformation, orchestration, tests, semantic layer et observabilité.

• Maintenir et faire évoluer les déploiements Helm d’Airbyte, Airflow, Metabase et des briques associées.

• Documenter les choix techniques et les standards opérationnels.

Industrialiser la plateforme ML/AI

• Concevoir avec le ML/AI Engineer les capacités de compute, stockage et orchestration nécessaires aux cas d’usage ML.

• Rendre reproductibles le versioning, l’entraînement, le déploiement et le suivi des modèles.

• Construire un socle self-service permettant aux équipes d’expérimenter rapidement.

Garantir la fiabilité des modèles

• Mettre en place le monitoring des modèles et la détection du data drift / model drift.

• Déployer les mécanismes d’alerting nécessaires au suivi des modèles en production.

• Construire un premier feature store réutilisable.

Garantir sécurité, conformité et traçabilité

• Mettre en place les mécanismes d’anonymisation et de pseudonymisation.

• Définir les règles de conservation, archivage et suppression des données.

• Structurer les contrôles d’accès aux données et aux modèles.

• Mettre en place le data lineage et model lineage.

• Travailler avec les équipes Legal et Sécurité sur les exigences RGPD.

Faire les bons choix techniques et maîtriser les coûts

• Évaluer et benchmarker les solutions d’embedded analytics, couches de cache et outils Data/ML.

• Optimiser performance et coûts dans une logique FinOps.

• Prioriser la réduction de la dette technique tout en permettant aux nouveaux usages de se développer.

📈 Tes critères de succès

À 6 mois

• SLO de la plateforme Data définis et suivis.

• ≥ 99,5 % de disponibilité mensuelle sur les composants critiques.

• ≥ 95 % des exécutions prioritaires respectent leur objectif de fraîcheur.

• Coûts Data/ML visibles par composant et par usage, avec un plan d’optimisation sur les 2 principaux postes de coûts.

À 9 mois

• Une plateforme ML reproductible utilisée par le ML/AI Engineer sur au moins 2 cas d’usage de bout en bout, de l’expérimentation au déploiement en préproduction ou production.

À 12 mois

• 100 % des modèles en production disposent d’un versioning explicite, d’un suivi de performance et d’alertes opérationnelles.

• Model lineage permettant d’identifier les données utilisées pour chaque entraînement.

• 100 % des pipelines traitant des données sensibles respectent les règles définies d’anonymisation, conservation, archivage et suppression.

• Les accès aux données critiques sont documentés et revus au moins trimestriellement.

💙 Ce que nous offrons

🎯 Mission à impact — contribuer concrètement à améliorer le système de santé.

👣 Évolution professionnelle — une structure dynamique à taille humaine qui valorise l’initiative et l’engagement.

🌱 Entreprise responsable — Hublo est certifiée B-Corp et entreprise à mission.

🗼 Bureaux à Paris — un environnement dynamique rue de Paradis.

🏡 Télétravail hybride — jusqu’à 10 jours à distance par mois.

🤲 Onboarding solide — un programme complet pour accompagner tes premières semaines.

💪 Cohésion d’équipe — événements réguliers et séminaire annuel.

Et aussi :

• ⛑️ Assurance santé Benefiz prise en charge à 70 % pour toi et tes enfants.

• 🥗 Swile : 11 €/jour en titres-restaurant, pris en charge à 50 %.

• 🚂 Forfait Mobilité Durable Worklife jusqu’à 550 €/an.

• 🐣 Politique de parentalité renforcée.

• 🏋️‍♂️ Accès à des activités sportives via Gymlib.

🧑‍💻 Ton processus de recrutement

1. Screening avec Etienne — Talent Acquisition · 30 min

2. Manager Interview avec Marie — Head of Data · 1h

3. Skill Test avec Francesca — Data Engineer · 1h

4. Cultural Add avec 2 Heads of · 1h minimum

🤝 Notre engagement

Hublo s’engage à créer un environnement inclusif pour toutes et tous, quels que soient l’origine ethnique, le sexe, l’orientation sexuelle, l’âge, la situation de handicap ou l’origine.

Nous favorisons l’égalité des chances tout au long du recrutement et en interne.

Notre équipe recrutement t’accompagne à chaque étape du process, afin de rendre ton expérience aussi claire et transparente que possible.