Qui sommes-nous ?

INOVIE est l’un des premiers groupes français de biologie médicale. Chaque jour, nos laboratoires accompagnent des centaines de milliers de patients et de professionnels de santé. Derrière chaque analyse, il y a de la donnée et un enjeu de santé publique bien réel.

Vous rejoindrez une équipe de 4 personnes au sein de la direction de l’innovation qui opère une plateforme data cloud d’envergure pour l’ensemble du groupe afin de soutenir sa stratégie de transformation digitale et IA.

Vos missions

Vous interviendrez sur l’ensemble du cycle de vie de la donnée :

• Concevoir et développer les pipelines de données : ingestion, transformation et chargement des données des laboratoires et des systèmes.

• Faire évoluer l’entrepôt de données : architecture en médaillon, modélisation de données (schéma en étoile, en flocon).

• Suivi de la production : monitoring, alerting et résolution des incidents

• Industrialiser et fiabiliser : DataOps, CI/CD et tests de qualité.

• Optimiser la plateforme : performance des requêtes et FinOps.

• Garantir sécurité et conformité : HDS, RGPD, gouvernance Data & IA.

• Faire grandir l’équipe : mentoring, diffusion des bonnes pratiques et veille technologique.

• Documenter et partager : documentation, revues de code, montée en compétence collective, communication claire et adaptée à l’audience.

Compétences techniques

• Au moins 6 ans d’expérience en ingénierie de données, dont une expérience significative sur une plateforme cloud.

• Maîtrise avancée du SQL, SnowSQL : modélisation, optimisation, requêtes complexes.

• Solide connaissance de Python, Apache Airflow,PowerBI

• Pratiques de devOps en environnement de production.

Soft skills

• Rigueur et qualité des livrables.

• Autonomie et prise d’initiative.

• Communication claire et adaptée selon le niveau technique des interlocuteurs.

• Esprit d’équipe et goût du partage.

• Bon niveau en anglais oral et écrit.

Nice-to-have

• Connaissance du secteur de la santé et de ses contraintes.

• Notions de data observability et de gouvernance des données.

• Exposition à des cas d’usage ML/IA en production.