Data & AI Engineer
Chez Pulsover , partenaire Databricks et AWS , nous croyons qu'un bon ingénieur data se reconnaît moins à la liste de ses outils qu'à sa capacité à comprendre un enjeu, à le traduire en architecture et à délivrer.
C'est cette polyvalence que nous cultivons : nos consultants évoluent entre data, cloud et IA , sur des contextes très variés — refonte de Data Platform, industrialisation d'un cas d'usage IA, migration cloud.
Rejoindre Pulsover, c'est intégrer une équipe où votre développement compte autant que votre expertise . Chez nos clients, vous intervenez aux côtés d'autres consultants Pulsover : un collectif qui garantit la qualité du delivery et le partage d'expertise au quotidien.
Nous intégrons l'IA générative dans nos pratiques d'ingénierie pour gagner en rigueur et en efficacité. Concrètement, chez Pulsover :
- L'IA intégrée au quotidien : assistants de code, agents de revue, génération de tests et de doc.
- Un outillage commun capitalisé par la communauté sur nos stacks. Vous démarrez avec l'outillage de l'équipe, pas avec une page blanche.
- Une montée en compétences active en AI literacy.
Ce que vous ferez
- Construire des pipelines fiables et performants sur Databricks, Spark et les principaux clouds.
- Concevoir et industrialiser des plateformes data : architecture, CI/CD, IaC, gouvernance, FinOps.
- Mettre en production des cas d'usage IA / ML , du feature engineering au déploiement, MLOps inclus.
- Accompagner les équipes client : challenger un besoin, vulgariser une architecture, animer un atelier.
- Contribuer à la communauté Pulsover : retours d'expérience, partage.
Votre boîte à outils
- Data engineering : Spark / PySpark, Databricks, SQL avancé, Python, orchestration (Airflow, Databricks Workflows…)
- Cloud : AWS, parfois Azure ou GCP
- Industrialisation : Git, CI/CD, Terraform, Docker, observabilité
- IA / MLOps (apprécié, pas requis) : MLflow, déploiement de modèles, fondamentaux LLM / RAG
Le profil que nous cherchons
- Diplômé·e d'une école d'ingénieur (Bac +5) ou équivalent universitaire.
- 4 à 7 ans d'expérience en data engineering, idéalement dans plusieurs contextes.
- Maîtrise solide de Spark / Databricks et d'au moins un cloud provider.
- Curiosité technique : vous explorez, vous testez, vous apprenez en continu.
- Goût du Conseil : écouter, reformuler, challenger.
- Méthode : un travail lisible, testé, documenté.
- Autonomie, ownership et communication claire .
Avantages
- Polyvalence assumée : data, cloud et IA — pas un seul outil pendant 3 ans.
- Missions à forte valeur ajoutée chez des grands comptes et des acteurs innovants.
- Un environnement bienveillant, collaboratif et stimulant.
- Un accompagnement personnalisé sur votre carrière.
- Formations et certifications (Databricks, AWS, IA…).
- Un package compétitif avec des avantages sociaux.
- Poste en mode hybride (présentiel client / bureaux Pulsover / télétravail).