Architect Cloud et Data H/F

Rejoignez le Crédit Agricole, une institution financière de premier plan. En tant qu'Architecte Cloud et Data, vous serez au cœur de la transformation technologique de l'entreprise. Vous concevrez des architectures cloud, des pipelines de données et des solutions d'intelligence artificielle. Vous travaillerez en étroite collaboration avec diverses équipes et contribuerez à l'innovation et à l'industrialisation des solutions de données et d'IA.

• Concevoir des architectures Cloud-Native (AWS ou GCP) répondant aux exigences de disponibilité, performance, sécurité et coûts.
• Définir et faire évoluer les architectures de données (Data Lake, Data Warehouse, Data Mesh) en cohérence avec la stratégie Data du Groupe.
• Concevoir des architectures pour le déploiement et l'industrialisation de modèles d'Intelligence Artificielle (ML, NLP, Computer Vision).
• **Outils de modélisation** : <Draw.io>, Visio, Lucidchart, Excalidraw.
• **Langages et scripts**: Python, Shell / Bash, YAML / JSON, Go/TypeScript.
• **Cloud & API**: AWS/GCP & maitrise des API, CLI et SDK.
• **Conteneurisation et orchestration** : Docker, Kubernetes, OpenShift.
• **IaC**: Terraform, Ansible, CloudFormation.
• **Supervision & observabilité :** CloudWatch, ELK, Grafana, Prometheus, OpenTelemetry, Dynatrace.

**Cloud & Infrastructure :**

• Maitrise d’au moins un cloud public AWS ou GCP.
• Capacité à modéliser des architectures cloud sécurisées, robustes, scalables, résilientes et optimisées, et à accompagner la mise en production.
• Capacité à rédiger des dossiers d’architecture (DAT, HLD/LLD).

**Data & Analytics :**

• Connaissance approfondie des architectures de données modernes (Data Lake, Lakehouse, Data Mesh).
• Maîtrise des technologies Big Data (Spark, Kafka, Flink) et des bases de données (PostgreSQL, MongoDB, Elasticsearch).
• Expérience avec les outils d'orchestration de données (Airflow, Dagster, Step Functions).
• Connaissance des principes de Data Governance et Data Quality.

**IA & MLOps :**

• Compréhension des cycles de vie des modèles de Machine Learning.
• Connaissance des frameworks ML (TensorFlow, PyTorch, Scikit-learn) et des plateformes MLOps (MLflow, Kubeflow, SageMaker).
• Sensibilité aux enjeux d'IA responsable et de conformité réglementaire.

**Au-delà des qualités techniques :**

• Excellente communication, force de proposition et sens de l’initiative
• Capacité d'abstraction, d'écoute et d'animation,
• Aisance dans la communication orale et écrite,
• Outils de modélisation : <Draw.io>, Visio, Lucidchart, Excalidraw.
• Langages et scripts : Python, Shell / Bash, YAML / JSON, Go/TypeScript.
• Cloud & API : AWS/GCP & maitrise des API, CLI et SDK.
• DevOps & CI/CD : GitLab, GitLab CI, Jenkins, ArgoCD.
• Conteneurisation et orchestration : Docker, Kubernetes, OpenShift.
• IaC : Terraform, Ansible, CloudFormation.
• Supervision & observabilité CloudWatch, ELK, Grafana, Prometheus, OpenTelemetry, Dynatrace.