AI Engineer / Data Engineer : Agents IA au service du delivery Data
OGESSISaaS B2BPubliée il y a 3 semaines
~ 450 – 600 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- La Défense · Télétravail non précisé
- Durée
- 6 mois
- Démarrage
- 27 octobre 2026
- Expérience
- Séniorité non précisée
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- 7 missions data engineer sont ouvertes à La Défense en ce moment, sur 550 pour ce métier en France.
- 1 % des missions data engineer de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Prompt engineering (46 missions), BigQuery (130 missions). À séniorité égale, une compétence rare se négocie mieux.
Séniorité non précisée par l'annonce · Comment ces repères sont calculés
La mission
AI Engineer / Data Engineer : Agents IA au service du delivery Data
Mission consultant · Île-de-France · Démarrage octobre 2026 · Jusqu'à début 2027 · TJM selon profil
LE CONTEXTE
Notre client, grand groupe de services à l'environnement, fait évoluer son socle analytique / Data. Objectifs : accélérer l'intégration de nouvelles sources, construire et enrichir les objets métiers (OBM), migrer les reportings vers Apache Superset, structurer la gouvernance et le catalogue de données. Le projet couvre l'ensemble du cycle Data : conception, spécification, modélisation, développement, recette et mise en production.
Le client veut s'appuyer sur des agents IA pour accélérer le delivery. Vous concevez et intégrez deux agents, avec une vraie exigence d'industrialisation et de mesure des gains.
VOS MISSIONS
1. Concevoir et intégrer un agent "PO Data" : analyse des structures de données, identification des écarts de complétude
2. Outiller cet agent sur le lignage, la génération de spécifications fonctionnelles et l'alimentation du backlog
3. Concevoir et intégrer un agent "Data Engineer" : génération et accélération des pipelines d'ingestion et de transformation
4. Outiller cet agent sur les jointures multi-sources et la modélisation des objets métiers (OBM)
5. Intégrer les LLM à l'environnement Cloud et Data du client, en particulier BigQuery
6. Industrialiser les agents (LLMOps, prompt engineering) et mesurer les gains obtenus
Compétences attendues
Indispensables
- LLM
- BigQuery
- Prompt engineering
Appréciées
- Apache Superset