Data Engineer Databricks (H/F)

Inetum, acteur européen des services numériques, recherche un Data Engineer Databricks pour rejoindre ses projets à distance, basé à Saint-Ouen (France). L’entreprise compte quelque 26 000 consultants et spécialistes et opère dans 19 pays, avec un chiffre d’affaires de 2,2 milliards d’euros en 2025. C’est une opportunité pour quelqu’un qui aime travailler sur des plateformes data modernes et accompagner des clients dans leur transformation numérique, avec une équipe qui valorise la proximité, la flexibilité et la responsabilité. Le poste s’inscrit dans une BU Data, AI & Innovation qui s’appuie sur Databricks et sur les grands hyperscalers comme Azure, AWS et GCP, et qui mène des projets variés dans des secteurs comme la finance, l’industrie, le retail, la mobilité et l’énergie.

Le rôle vise à prendre en charge la conception, le développement, l’industrialisation et la maintenance de pipelines de données fiables et évolutifs, majoritairement autour de Databricks. Vous travaillerez sur des projets à forte valeur ajoutée et à dimension internationale, en vous appuyant sur des environnements clients variés. Vous serez un acteur clé de la qualité des données, des échanges entre les équipes et de l’amélioration continue des pratiques et des architectures mises en œuvre.

Si vous aimez les environnements techniques exigeants et que vous souhaitez intervenir sur des dataflows databricks en batch et streaming, ce poste peut vous convenir. Vous évoluerez dans des contextes métiers multiples et collaborerez avec des Data Architects, des Data Analysts, des Data Scientists et des équipes Cloud pour concevoir des solutions robustes et performantes.

Des dataflows maîtrisés et des pipelines qui tiennent leurs promesses

Au quotidien, vous concevrez, développerez et optimiserez des pipelines de données sur Databricks, en jonglant entre les charges batch et flux continu. Vous manipulerez des volumes importants via PySpark ou Scala et vous assurerez la pertinence et la vitesse des transformations tout en garantissant leur fiabilité et leur évolutivité. L’objectif est de produire des traitements efficaces qui alimentent les analyses et les décisions, avec une attention particulière à la qualité et à la robustesse des données.

Vous participerez à l’industrialisation et aux bonnes pratiques associées, en appliquant les standards Delta Lake et les architectures Data Lakehouse, tout en adoptant une logique DataOps qui inclut CI/CD, automatisation, tests et gestion de version. Vous veillerez aussi à la sécurité, à la gouvernance et à l’optimisation des coûts, afin d’assurer une utilisation raisonnée des ressources cloud et une meilleure traçabilité des données.

En travaillant sur des projets variés, vous adaptez les modèles de développement aux contraintes spécifiques telles que le volume des données, le besoin de temps réel ou les SLA. Vous coordonnerez vos efforts avec les Data Architects, Data Analysts, Data Scientists et les équipes Cloud, et vous jouerez un rôle de référent technique, partageant vos bonnes pratiques et contribuant à des études de cadrage et des prototypes ou PoC lorsque nécessaire.

Exigences indispensables et atouts à avoir

Pour réussir, vous devez réunir ces exigences techniques et d’expérience:

• Une maîtrise avancée de Databricks, couvrant les Workspaces, les Jobs/Workflows, Delta Lake et Unity Catalog.
• Une pratique confirmée de PySpark et/ou Scala dans un contexte Big Data distribué.
• Des compétences solides en traitements distribués, en optimisation Spark et en gestion des performances.
• Une connaissance d’un cloud majeur, Azure en priorité, ou AWS ou GCP.
• La maîtrise des outils et pratiques CI/CD, notamment Azure DevOps, GitHub Actions ou Jenkins.
• La connaissance de Terraform ou d’un outil équivalent est un plus.
• Au moins 7 ans d’expérience en ingénierie des données, avec des réalisations dans plusieurs contextes projets et sur des dataflows Databricks (batch et streaming).
• Un niveau d’anglais courant pour travailler dans des équipes internationales.
• Des qualités personnelles comme la rigueur, l’autonomie et le souci du travail bien fait, avec un esprit d’équipe et l’envie de partager les bonnes pratiques, capables d’évoluer dans des environnements agiles et exigeants.

Des atouts supplémentaires qui seraient appréciés:

• Des certifications Databricks seraient souhaitables.

Pay, avantages et détails pratiques

Tout dépendra de l’accord contractuel et du niveau d’expérience, mais l’entreprise met en avant un ensemble d’avantages locaux et des conditions de travail flexibles: 27 jours de congés payés et 10 RTT, des tickets restaurant d’une valeur de 9 euros avec une prise en charge à 60% par Inetum, et un accompagnement personnalisé tout au long de l’année pour le suivi de votre carrière.

Inetum propose aussi un parcours d’intégration personnalisé, avec un référent et des rencontres avec les équipes pour vous familiariser avec les valeurs du groupe. Côté travail, il est prévu un accord télétravail flexible autorisant de 2 à 3 jours de travail à distance par semaine selon les besoins des clients, et une participation à hauteur de 50% des frais de transport en commun pour les déplacements professionnels. La société investit dans la formation et les certifications techniques et fonctionnelles et organise régulièrement des animations d’agence et des occasions de transmettre son savoir, par exemple via Techlunch, meetups techniques ou présentations lors d’événements et dans les écoles.

Conseils pour postuler à ce rôle

Conseil 1: placez en tête de votre CV votre maîtrise avancée de Databricks et votre pratique avec PySpark ou Scala, ainsi que votre expérience sur Azure et les principaux clouds. Mentionnez clairement les projets Databricks que vous avez livrés, les environnements et les résultats obtenus.

Conseil 2: montrez comment vous avez construit et industrialisé des dataflows Databricks, en décrivant des pipelines batch et streaming et en expliquant les gains de qualité, de performance et de coût obtenus grâce à Delta Lake et DataOps, avec des références à CI/CD et aux tests automatisés.

Conseil 3: préparez des exemples issus de contextes variés (finance, industrie, retail, mobilité, énergie) où vous avez adapté les patterns de développement, travaillé avec des Data Architects et des équipes Cloud, et joué un rôle de référent technique pour partager des bonnes pratiques et accélérateurs internes.

Conseil 4: terminez votre préparation par une question précise à l’interview sur l’architecture Databricks et l’environnement DataOps: par exemple, quelle priorité donne-t-on à Delta Lake et Unity Catalog dans les projets à venir, et quels outils CI/CD sont privilégiés pour les déploiements Databricks dans l’équipe ?