CDI - Senior Context & Analytics Engineer - Paris at Artefact · 9th…

Mission

Un agent ne vaut que ce que valent les données et les connaissances sur lesquelles il répond. Pipelines, modèles de données, définitions de métriques, droits d’accès : vous créez et gouvernez ce socle, et les applications et les agents de nos clients s’appuient dessus. Quand un analyste ou un agent demande un chiffre, la réponse est celle de l’équipe finance, accompagnée de sa définition et de sa source.

Ce poste est fait pour vous si vous voulez que les métiers et les agents puissent se fier aux données, et les utilisent.

Artefact accompagne les plus grandes entreprises du monde dans le déploiement de l’IA : 3 000 AI makers dans plus de 30 pays, plus de 1 000 clients. En France, le département Engineering réunit environ 300 personnes sous la responsabilité du CTO ; vous y rejoignez le chapter AI Applied Engineer, archétype Context & Analytics Engineer.

Activités et responsabilités

Avec les équipes métier et les analystes, il s’agit de définir ce que signifie chaque métrique et de vérifier que les données y correspondent. Sur ce socle, les Product Engineers et les AI Engineers construisent applications et agents.

Les Platform Engineers exploitent l’infrastructure sur laquelle tournent vos pipelines. Les échanges avec les data owners et les équipes de gouvernance du client, la relecture de code entre pairs et l’accompagnement des nouvelles recrues complètent le quotidien.

Vos responsabilités :

• Construire des pipelines d’ingestion et des modèles de données, avec dbt par exemple.
• Mettre en place des contrôles de qualité des données et maintenir le lineage.
• Construire la couche sémantique et les définitions de métriques, pour que les personnes et les agents utilisent les mêmes chiffres, y compris en text-to-SQL.
• Définir les règles de gouvernance et les droits d’accès.
• Construire des pipelines de connaissances pour le RAG : indexation, chunking, métadonnées, permissions.
• Préparer le contexte exploitable par les agents : métadonnées, définitions, lineage et permissions.

Profil recherché

Les indispensables :

1. Vous écrivez du SQL avec aisance et modélisez les données pour l’analyse.
2. Des pipelines de données planifiés, testés et surveillés figurent à votre actif.
3. Aux côtés des équipes métier, vous définissez les métriques et vérifiez que les données veulent bien dire ce que tout le monde croit y lire.
4. La qualité des données, la documentation et les droits d’accès comptent pour vous.
5. Les coding agents font déjà partie de votre quotidien, et vous vérifiez ce qu’ils produisent.

Un plus, pas un prérequis :

• Python pour le traitement de données.
• Une plateforme de données cloud, comme BigQuery, Snowflake ou Databricks.
• Une couche sémantique ou un metrics store.
• La préparation de documents pour le RAG : chunking, indexation, métadonnées.
• Des outils de data catalogue ou de lineage.

Pas besoin de cocher toutes les cases pour postuler : si vous avez l’essentiel des indispensables et l’envie d’apprendre le reste, parlons-en.

Pourquoi nous rejoindre ?

Dans un métier où deux tableaux de bord affichent parfois deux chiffres différents, ce poste consiste à rétablir la confiance : un chiffre juste, une définition partagée, une source identifiable. Ce travail, discret quand il réussit, conditionne tout ce que les autres archétypes construisent au-dessus.

Nous sommes des AI makers : l’IA se construit avec nos clients, pas seulement pour eux. Leurs enjeux deviennent les nôtres, et nos choix techniques s’expliquent dans le langage du métier. Les positions que nous prenons sont claires ; elles évoluent face aux faits, jamais sous la pression.

Notre domaine change tous les mois, et ce rythme nous convient : les nouvelles technologies et les nouveaux secteurs s’apprennent vite, et les habitudes qui ne servent plus s’abandonnent sans regret. Devant un problème difficile, le réflexe est de le découper en étapes vérifiables, avec un haut niveau d’exigence sur le code comme sur les livrables.

Quand il manque quelque chose, pour un client ou pour le chapter, nous le construisons. La progression passe par des retours constructifs, par le partage des connaissances, par la demande d’aide sans attendre et par la reconnaissance du travail des autres. Il y a beaucoup à apprendre, et beaucoup à construire.

Un counsellor accompagne vos premiers mois. L’onboarding technique ouvre le parcours, suivi d’un premier projet client ; si aucun n’est prêt, les starter kits internes prennent le relais.

Le reste s’apprend sur les projets, avec les AI Engineers et l’appui de la communauté Context & Analytics Engineer, notamment le context engineering, c’est-à-dire le travail qui rend les données exploitables par les agents d’IA. À partir de 2027, l’archétype Context & Analytics Engineer disposera de sa propre grille de compétences et de son propre parcours de formation, en plus du socle commun à tous les AI Applied Engineers (évaluation de l’IA, responsabilité en production).

Plus tard, un rôle transverse devient possible (Project Tech Lead, Pre-sales Engineer, Engineering Manager), tout comme les chapters AI Architect et AI Product Manager.

Processus de recrutement

Le processus demande environ quatre heures, réparties en six étapes dont une seule sur site.

1. Entretien RH (45 min, à distance) : parcours, motivations et points pratiques, comme le calendrier et les prétentions salariales.
2. Appel avec le CTO (15 à 30 min, à distance).
3. Screening technique (30 min, à distance, avec un membre du chapter AI Applied Engineer) : retour détaillé sur vos projets passés, puis questions techniques et de design de solution.
4. Code review et live coding (60 min, sur site, avec un membre du chapter) : relecture d’un dépôt de code existant et correction de ses défauts, puis construction d’une nouvelle fonctionnalité avec un coding agent et présentation du résultat.
5. Cas technique (45 min, à distance, avec un membre du chapter) : cadrage d’un problème métier, proposition d’une solution technique, description de la méthode d’évaluation, puis discussion de vos choix.
6. Entretien final (30 min, à distance, avec une personne de l’encadrement du département, Engineering Manager ou Director) : reprise des points restés ouverts, choix de l’archétype et du niveau les mieux adaptés à votre profil, et réponses à toutes vos questions.

Selon les étapes, tous les outils d’IA sont autorisés, ou aucun. Lors du live coding, c’est la manière de travailler avec l’assistance de l’IA qui est observée.

Chez Artefact, nous sommes convaincus que la diversité des parcours, des expériences et des perspectives fait la richesse de nos équipes. Nous nous engageons à offrir un environnement inclusif et des opportunités équitables, où chacune et chacun peut évoluer et exprimer pleinement son potentiel. Nos recrutements reposent sur les compétences, le potentiel et l’adéquation avec le rôle.