Data Engineer Python H/F - 31

ACTIVUS c'est une autre façon de travailler qui allie proximité et écoute et qui appuie sa croissance sur son dynamisme et la relation de confiance qu'elle construit tous les jours avec son écosystème.

Nos équipes expérimentées, qui ont su rester geeks dans l'âme souhaitent remettre au coeur de notre projet : l'humain et l'excellence technologique.

En 2025, ce sont 35 consultants, hommes ou femmes, qui ont contribué à la satisfaction quotidienne de nos clients.

En 2026, nous lançons un plan de recrutement important sur nos différentes agences afin de doubler nos effectifs, en recrutant dans nos 6 domaines d'excellence :

- Big Data
- Conseil & Audit
- Systèmes industriels
- Infrastructure
- Applications digitales
- Sécurité des systèmes d'information

Venez renforcer notre équipe et partager notre credo la technologie avant tout pour une innovation digitale au service de l'humain.

En complément de nos implantations de proximité à Toulouse, Lyon et Paris, nous poursuivons notre maillage local en ouvrant deux agences à : Bordeaux, Marseille.

Alors, ferez-vous partie de l'aventure ACTIVUS Group ? Nous n'attendons plus que vous !Data Engineer Python (H/F) - Toulouse

Contexte

Nous renforçons notre pôle data afin de structurer, développer et industrialiser nos pipelines de données.
Dans ce cadre, nous recherchons un Data Engineer Python capable de concevoir et maintenir des architectures data robustes, scalables et orientées performance.
Vous rejoindrez une équipe passionnée, travaillant en méthode Agile, au coeur d'un environnement technique moderne.

Missions

En tant que Data Engineer, vous interviendrez sur l'ensemble du cycle de vie de la donnée :

Architecture & Ingestion

- Concevoir, développer et maintenir des pipelines d'ingestion de données (batch & streaming)
- Intégrer des données provenant de sources variées (API, bases SQL/NoSQL, fichiers, événements)

Transformation & Traitement

- Développer des workflows de traitement en Python, PySpark ou Pandas
- Gérer, optimiser et fiabiliser les pipelines dans un environnement Data Lake / Data Warehouse
- Implémenter des bonnes pratiques d'ingénierie : code propre, versioning, tests

Industrialisation & Production

- Déployer des workflows via Airflow, Prefect ou équivalent
- Optimiser les performances, surveiller la qualité et garantir la fiabilité en production
- Automatiser les processus de CI/CD et participer aux bonnes pratiques DevOps

Collaboration & Méthodologie

- Travailler avec les équipes Data Science, BI, Produit et DevOps
- Contribuer à la documentation technique et au partage de connaissances
- Participer aux cérémonies Agile / Scrum (daily, sprint planning, revue...)

Stack technique

- Langages : Python (indispensable)
- Frameworks/Libs : Pandas, PySpark, FastAPI (apprécié), DBT (un plus)
- Orchestration : Airflow, Prefect, Dagster
- Stockage & Bases de données : PostgreSQL, Snowflake, BigQuery, Redshift, Delta Lake
- Cloud : AWS / GCP / Azure
- Pipeline & DevOps : Docker, Kubernetes, GitLab CI / GitHub Actions
- Tools : Kafka / PubSub / Kinesis, Terraform, Grafana/Prometheus