Chez SFEIR, l’IA est notre accélérateur dans tous nos métiers — du Cloud AI-Ready aux plateformes Data modernes, en passant par le développement augmenté.
950 consultants passionnés par la tech et augmentés par l'IA
8 agences en France, au Luxembourg et à Bruxelles
Partenaire Anthropic Preferred (+ 170 certifiés)
15 ans de partenariat Google Cloud + AWS, Scaleway, S3NS, Databricks, Snowflake, Confluent, DBT
+90 clients actifs et +5 000 personnes formées par an via SFEIR Institute
+150 certifiés Google Cloud, 30 Google Authorized Trainers, 7 Google Developer Experts
Concevoir et développer des pipelines de données robustes et scalables sur GCP
Implémenter des solutions ETL/ELT avec dbt sur BigQuery, en mode ingénierie logicielle : versionné, testé, revu
Orchestrer des workflows data avec Cloud Composer
Mettre en place le monitoring, l'observabilité et la Data Quality des plateformes data
Participer à la modernisation des architectures data de nos clients — et à l'intégration des services GenAI (Vertex AI) dans les pipelines de production
Stack : Google Cloud (BigQuery, Cloud Storage, Dataflow, Cloud Composer), Python, SQL, dbt, Terraform
SFEIR AI : un parcours dédié pour maîtriser l'IA générative et le coding agentique — écrire du dbt et du SQL complexe assisté par IA, ça se travaille
Des sujets GenAI concrets : brancher Vertex AI et des LLMs sur des pipelines de production.
3 ans minimum d'expérience en tant que Data Engineer
Une expérience professionnelle confirmée sur Google Cloud
Un vrai niveau en Python et SQL — et l'envie d'écrire de la data comme on écrit du code
Tu es passionné(e) par la Data et l'IA : tu fais de la veille, tu as des projets perso
Un Engineering Manager dédié qui t'accompagne
Une trajectoire claire : Lead Data Engineer → Data Architect
Formation continue avec accès à Google Cloud Skills Boost et aux certifications
Google Cloud Next, Data Cloud Summit : tu y vas, et parfois tu y parles
Lead part of the FCP Data Visualization and Reporting team’s migration from on-premises to GCP, refactoring data pipelines and coordinating technical solutions, requirements, estimates, and project updates.
Migrate Hadoop data infrastructure to cloud services and build reliable data pipelines, transformations, and CI/CD workflows using Scala, SQL, Spark, and Airflow.
Build and optimize production data pipelines on Databricks, integrating diverse sources and delivering reliable, governed data transformations and models in collaboration with cross-functional teams.
As a Data Engineer II, you will build and maintain data pipelines, implement data models, and ensure data quality while collaborating with cross-functional teams.
Build and maintain data pipelines, warehouses, APIs, and services while supporting reporting and deploying machine-learning models that improve user experiences and inform business decisions.
