Data Engineer Senior - Freelance (H/F)

About this role

Type de contrat : Freelance TJM : selon profil Localisation : Ouest parisien (78), hybride, 3 jours sur site et 2 jours de télétravail par semaine Démarrage : dès que possible Durée : 3 mois renouvelables, temps plein Client : acteur industriel aéronautique et défense, nom communiqué sous NDA avant l'entretien client Prérequis : nationalité française (contrainte réglementaire du secteur défense) Contexte Grand groupe industriel du secteur aéronautique et défense, qui structure son équipe IA en squads produit selon son modèle opérationnel IA groupe.

Sans données exploitables, les produits IA ne peuvent pas être livrés correctement : cette mission en est la condition. Les squads sont pluridisciplinaires et autonomes, responsables de leurs produits de bout en bout, avec Product Owner, interlocuteurs métiers, architecture, cybersécurité et développement applicatif. L'approche est celle du Minimum Lovable Product : partir d'un problème utilisateur précis, livrer une première version réellement utile, l'améliorer à partir de l'usage.

Qualité, sécurité, traçabilité et adoption font partie du travail dès le départ. Ce n'est pas une mission de management. Le référent technique construit lui-même les pipelines qui rendent les données réellement exploitables par les produits IA. Missions * Connecter les sources et construire les chaînes de traitement pour rendre les données accessibles, fiables, documentées et sécurisées * Travailler sur des données fragmentées, des documents techniques et des systèmes existants, pas uniquement dans un environnement déjà propre * Préparer les corpus dont dépendent les applications IA, notamment les corpus RAG * Diagnostiquer ce qui bloque, proposer une solution praticable et réaliser les traitements nécessaires * Documenter ses choix, partager ses connaissances, accompagner les moins expérimentés Profil recherché * 5 à 12 ans d'expérience en data engineering * Socle technique : très solide maîtrise de SQL et Python, intégration par API, traitements ETL/ELT, modélisation, orchestration des pipelines * Industrialisation des flux : ingestion, transformation, déduplication, contrôles qualité, gestion des erreurs, tests, automatisation * Qualité et traçabilité : métadonnées, catalogues, documentation des jeux de données, lineage, contrats de données, cartographie des sources * Préparation des données pour l'IA : classification, données sensibles, droits d'accès, préparation des corpus RAG, découpage documentaire, compréhension des embeddings.