Software Engineer
Scale-up MedTech basée à Paris développant des systèmes d’intelligence artificielle appliqués aux données de santé.
L’entreprise opère dans un environnement à fortes contraintes réglementaires et techniques, où fiabilité, robustesse et traçabilité sont essentielles.
Les modèles sont déjà en production.
L’enjeu aujourd’hui : optimiser, structurer et rendre les systèmes plus performants et plus efficients à grande échelle.
Le rôle
Tu rejoins l’équipe Engineering dans une phase d’accélération produit et technique.
Ton rôle : concevoir et maintenir les intégrations avec les partenaires médicaux (laboratoires, hôpitaux) et garantir la fiabilité des flux de données de santé qui alimentent la plateforme.
Tu travailleras sur des systèmes critiques manipulant des volumes importants de données médicales, avec un fort enjeu de robustesse et de scalabilité.
- Concevoir et maintenir les intégrations avec les systèmes des laboratoires et hôpitaux
- Construire et améliorer des pipelines d’ingestion de données à grande échelle
- Normaliser et structurer des flux de données hétérogènes
- Garantir la fiabilité, la traçabilité et la sécurité des données
- Mettre en place des mécanismes de monitoring, observabilité et gestion des erreurs
- Contribuer à l’architecture et à la scalabilité de la plateforme data santé
- Collaborer avec les équipes Data Science, Product et Business
Tu évolueras dans un environnement technique exigeant où la robustesse et la qualité du code sont essentielles .
Profil recherché
Tu es un Software Engineer backend qui aime construire des systèmes fiables manipulant des flux de données complexes.
Tu prends du recul sur l’architecture et tu comprends les enjeux de fiabilité et de scalabilité en production .
- 3–5 ans d’expérience en développement backend
- Maîtrise de Python
- Expérience avec API, bases de données et systèmes distribués
- Expérience sur intégrations systèmes ou flux de données
- Bonne compréhension des problématiques de scalabilité et fiabilité
- Culture software engineering et bonnes pratiques (tests, CI/CD, monitoring)
- Expérience sur data pipelines ou ingestion de données
- Connaissance de Pub/Sub, queues ou systèmes asynchrones
- Expérience cloud (GCP, AWS, Kubernetes, Docker)
- Expérience sur des plateformes data-intensive
Ce que l’entreprise offre
- Impact direct sur un produit santé utilisé à grande échelle
- Problématiques techniques complexes (data, intégrations, scalabilité)