DataOps & DevOps Engineer - Confirmé·e

Chez Jakala, notre practice Data & AI accompagne des clients dans le luxe, le retail, la grande distribution, la santé ou les médias. Les sujets sur lesquels nous intervenons, pipelines data, plateformes analytiques, traitements à fort enjeu métier, exigent des environnements robustes : orchestration, sécurité, déploiements maîtrisés, observabilité.

Nous cherchons un·e DevOps / Data Ops Engineer pour intervenir sur deux types de sujets :

Sur des projets clients :

• Tu interviens sur la conception et la mise en place de leur stack data — choix d’architecture, structuration des environnements, CI/CD, orchestration, sécurité réseau.

• Tu participes au dimensionnement en amont des projets et tu portes les choix techniques en échange direct avec les équipes clients

En interne :

• Tu contribues à nos solutions propriétaires, TMA, MCO, évolutions, fiabilisation, optimisation des plateformes en production.

Cette double exposition — mission et produit — est volontaire. Elle te permet de voir plusieurs contextes, plusieurs secteurs, plusieurs et maturités techniques.

Ce que tu feras concrètement

• Concevoir et mettre en place des architectures data sur le cloud (GCP, AWS ou Azure)

• Construire et maintenir des chaînes CI/CD complètes — du commit au déploiement en production

• Conteneuriser et orchestrer des applications et traitements data

• Gérer les environnements cloud de bout en bout : réseaux, VPN, IAM, secrets, observabilité

• Échanger avec les équipes client pour comprendre leurs contraintes et porter les choix techniques qui en découlent

• Documenter les architectures et transmettre les bonnes pratiques

Compétences requises :

Techniques :

• Déploiement en environnement Cloud (GCP, AWS, Azure), en particulier des Datawarehouses tels que BigQuery, Snowflake ou Databricks.

• Maîtrise de Docker et des chaînes CI/CD (GitHub Actions, GitLab CI ou équivalent) et de l’Infrastructure as Code (Terraform, Ansible, Docker, Kubernetes).

• Outils de monitoring (Prometheus, Grafana, etc.) et de gestion des logs (ELK, Datadog…).

• Outils d’orchestrations Airflow, Azure Data Factory, GCP Composer, Databricks workflow …

• Python, SQL, Git et ligne de commande

Fonctionnelles :

• Compréhension des problématiques métiers autour de la donnée (data quality, sécurité, gouvernance).

• Capacité à collaborer avec des profils variés (techniques et non-techniques).