Data Engineer Sénior - Morphome
VISIANSaaS B2BPubliée hier
~ 600 – 750 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Paris · Sur site
- Durée
- 6 mois
- Démarrage
- 9 octobre 2026
- Expérience
- Senior (6-10 ans)
- 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.
- 192 missions data engineer sont ouvertes à Paris en ce moment, sur 556 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 : BigQuery (113 missions), IAM (235 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil senior (6-10 ans) · Comment ces repères sont calculés
La mission
Contexte
Mission consistant à développer une solution permettant aux chercheurs de transformer leurs analyses exploratoires en traitements fiables et réutilisables.
Missions
Développer une solution logicielle pour la transformation d’analyses exploratoires en traitements fiables et réutilisables
Collaborer avec des chercheurs et un Data Scientist dans un contexte de recherche
Monter en compétence rapidement sur les outils spécifiques du projet
Assurer la communication claire avec des profils non techniques
Outils & Environnement & Compétences obligatoires
Maîtrise de GCP : GKE, IAM, GCS, BigQuery
Python en production : conception modulaire (principes SOLID, architecture hexagonale ou équivalent), typage statique, tests unitaires/d'intégration
Docker, Git et CI/CD avec expérience concrète de déploiement et de diagnostic (debugging pipelines)
SQL, modélisation de données et définition de contrats de données (data contracts)
Expérience cloud avec adaptation de modules Terraform existants (pas nécessairement de conception from scratch, mais capacité à faire évoluer un IaC existant)
Réalisation agentique concrète : appels d'outils/API, gestion des erreurs, dans le cadre d'un projet réel ou d'un démonstrateur
Compétences appréciées (Nice-to-have)
Agents IA déjà déployés en production
MCP, Claude Code
GitLab CI
Vertex AI / KFP et MLOps avancé
Analyse statique de code Python (AST/LSP)
Compétences attendues
Indispensables
- GCP
- IAM
- BigQuery
- Python
- Docker
- Git
- CI/CD
- SQL
Appréciées
- Terraform
- GitLab CI
- MLOps