Gestionnaire, Ingénierie des données// Manager, Data Engineering
Plusgrade
Gestionnaire, Ingénierie des Données (Product Intelligence)
À propos de Plusgrade
Plusgrade recherche un(e) gestionnaire expérimenté(e) en ingénierie des données pour diriger une équipe dédiée à la conception et à l’exploitation de l’infrastructure de données qui alimente notre architecture basée sur les événements, ainsi que nos applications de Machine Learning et nos produits propulsés par l’IA.
Si tu es passionné(e) par le fait de permettre aux équipes de ML et de data science de travailler avec des produits de données robustes, évolutifs et de haute qualité, et que tu as une expérience avérée dans la création et la gestion d’équipes performantes en ingénierie des données, on aimerait te rencontrer.
Dans ce rôle, tu seras responsable du développement et de l’exploitation des pipelines de données principaux, des feature stores, des intégrations de serving de modèles, ainsi que de l’infrastructure de streaming en temps réel qui supporte les applications ML, le ML Ops et les initiatives de data science. Tu travailleras en étroite collaboration avec des ingénieurs ML, des data scientists et des équipes plateforme pour t’assurer que les systèmes de données répondent aux exigences des applications ML/IA en production — en équilibrant fraîcheur des données, fiabilité, scalabilité et efficacité des coûts.
Tu contribueras aussi à définir les meilleures pratiques en ingénierie des données pour l’architecture orientée événements et les cas d’usage ML, à promouvoir l’adoption des standards de gouvernance et de conformité, et à participer à la définition de la stratégie data à long terme de Plusgrade. Grâce à un leadership de type “servant leadership” et à un bon jugement technique, tu guideras ton équipe tout en collaborant avec les leaders produit et techniques pour stimuler l’innovation dans l’organisation.
Ce rôle relève du VP Data Engineering. L’équipe Data Engineering Product Intelligence est au cœur de la vision produit de Plusgrade, et nous sommes fiers de construire les fondations qui alimentent nos expériences les plus avancées en IA.
Ce que tu feras
Diriger, inspirer et faire évoluer une équipe d’ingénieurs data dédiée aux workloads de streaming événementiel, ML/IA et data science
Définir et livrer la stratégie et la roadmap en ingénierie des données pour l’équipe et ses projets
Superviser la conception, la construction et la maintenance de pipelines de données scalables, de feature stores, de systèmes de streaming en temps réel et d’APIs pour les applications ML/IA
Collaborer avec les ingénieurs applicatifs, ingénieurs ML et data scientists pour opérationnaliser les modèles, en assurant des pipelines fiables pour l’entraînement, le déploiement et le monitoring
Définir et suivre des SLOs pour la fraîcheur des données, la qualité des entrées de modèles, la fiabilité, la latence et les coûts
Mettre en place des pratiques solides pour la qualité des données, la traçabilité (lineage), la reproductibilité et le versionnement des datasets
Promouvoir l’adoption de frameworks modernes d’orchestration et de déploiement (ex. : Airflow, Dagster, Prefect, Kubeflow)
Assurer la conformité aux standards de gouvernance des données, de confidentialité et de sécurité
Recruter, coacher et développer les talents en ingénierie, en favorisant une culture d’ownership, de responsabilité et d’amélioration continue
Collaborer avec les équipes produit, data science et ML Ops pour répondre aux besoins évolutifs
Diriger la gestion des incidents et les analyses de causes racines liés aux problèmes de données impactant les applications ML/IA
Contribuer à la planification à long terme pour la scalabilité de la plateforme, l’accès self-service aux données ML et l’innovation basée sur l’IA
Définir et suivre des KPIs liés à la performance, la fiabilité et la productivité de la plateforme data ML/IA
Ce que tu apportes
6+ ans d’expérience en ingénierie des données ou domaine connexe, avec une expérience en support des workloads ML/IA et streaming événementiel
4+ ans d’expérience en gestion d’équipes d’ingénierie des données dans des environnements rapides
Diplôme universitaire en informatique, génie logiciel ou domaine connexe (ou expérience équivalente)
Excellente connaissance des pratiques modernes en ingénierie des données pour le ML, incluant les architectures batch et streaming, le feature engineering et la gestion du cycle de vie des données ML
Expérience pratique avec SQL, Python, les plateformes data cloud (AWS de préférence) et les systèmes distribués (Spark, Flink, Kafka, Snowflake ou équivalent)
Connaissance des pratiques ML Ops, incluant les feature stores, le versionnement des modèles et les frameworks de monitoring
Au moins 1 à 2 ans d’expérience pratique avec des outils d’IA et des outils agentiques (LLMs, orchestrateurs d’agents, etc.) dans un contexte professionnel
Excellentes compétences en communication et collaboration, avec la capacité d’influencer des parties prenantes techniques et non techniques
Capacité démontrée à recruter, coacher et développer des ingénieurs performants
Forte capacité de priorisation et d’exécution, avec un bon équilibre entre profondeur technique et rapidité de livraison
Atouts
Expérience avec des frameworks ML Ops (ex. : MLflow, Kubeflow, SageMaker)
Connaissance des architectures temps réel et orientées événements pour les applications ML
Familiarité avec les outils de gouvernance des données (Atlan, Alation, Collibra) et les standards de conformité (GDPR, CCPA, SOC 2)
Expérience dans la création de plateformes de données pour des systèmes de recommandation, de personnalisation ou des applications d’IA générative
Expérience en CI/CD, infrastructure as code et containerisation (Terraform, Kubernetes, Docker)
Connaissance des principes de gestion de produits data, incluant l’adoption et le ROI mesurable des plateformes ML/IA
Manager, Data Engineering (Product Intelligence)
About Plusgrade
About Plusgrade
Plusgrade is seeking an experienced Manager of Data Engineering to lead a dedicated team that builds and operates the data infrastructure powering our event-based architecture along with Machine Learning applications and AI-driven products. If you’re passionate about enabling ML and data science teams with robust, scalable, and high-quality data products, and have a proven track record of building and leading high-performing data engineering teams, we’d love to meet you.
In this role, you’ll manage the development and operation of core data pipelines, feature stores, model-serving integrations, and real-time streaming infrastructure that support ML apps, ML Ops, and data science initiatives. You’ll partner closely with ML engineers, data scientists, and platform teams to ensure that data systems meet the demands of production-grade ML/AI applications—balancing freshness, reliability, scalability, and cost efficiency.
You’ll also help define data engineering best practices for the event-driven architecture and the ML use cases, drive adoption of governance and compliance standards, and contribute to shaping Plusgrade’s long-term data strategy. Through servant leadership and strong technical judgment, you’ll guide your team while collaborating with product and technical leaders to unlock innovation across the organization.
This role reports to the VP of Data Engineering. Our Product Intelligence data engineering team is central to Plusgrade’s product vision, and we take pride in building the foundation that powers our most advanced AI-driven experiences.
What You’ll Do
Lead, inspire, and scale a team of data engineers dedicated to supporting event-streaming, ML/AI and data science workloads.
Define and deliver the data engineering strategy and roadmap for the team and associated projects.
Oversee the design, build, and maintenance of scalable data pipelines, feature stores, real-time streaming systems, and APIs for ML/AI applications.
Partner with application engineers, ML engineers, and data scientists to operationalize models, ensuring reliable training, deployment, and monitoring pipelines.
Establish and monitor SLOs for data freshness, model input quality, reliability, latency, and cost efficiency.
Implement strong practices for data quality, lineage, reproducibility, and versioning of datasets.
Drive adoption of modern orchestration and deployment frameworks (e.g., Airflow, Dagster, Prefect, Kubeflow).
Ensure compliance with data governance, privacy, and security standards across data systems.
Recruit, coach, and develop top engineering talent, fostering a culture of ownership, accountability, and continuous improvement.
Collaborate with product, data science, and ML Ops stakeholders to ensure data systems meet evolving requirements.
Lead incident response and root cause analysis for data issues impacting ML/AI applications.
Contribute to long-term planning for platform scalability, self-service ML data access, and AI-driven innovation.
Define and track KPIs for ML/AI data platform performance, reliability, and team productivity.
What You Bring
6+ years in data engineering or related fields, with experience supporting ML/AI and event-streamling workloads.
4+ years in leadership roles managing data engineering teams in fast-paced environments.
Bachelor’s or graduate degree in Computer Science, Software Engineering, or related field (or equivalent experience).
Strong knowledge of modern data engineering practices for ML, including batch and streaming data architectures, feature engineering, and ML data lifecycle management.
Hands-on experience with SQL, Python, cloud-native data platforms (AWS preferred), and distributed systems (Spark, Flink, Kafka, Snowflake, or similar).
Familiarity with ML Ops practices, including feature stores, model versioning, and monitoring frameworks.
At least 1–2 years of hands-on experience using AI and agentic tools (LLMs, agent orchestrators, etc.) in a professional setting is required
Excellent communication and collaboration skills, able to influence across technical and non-technical stakeholders.
Proven ability to recruit, coach, and develop high-performing engineers.
Strong prioritization and execution skills, balancing technical depth with delivery speed.
Nice to Have
Experience with ML Ops frameworks (e.g., MLflow, Kubeflow, SageMaker).
Knowledge of real-time and event-driven architectures for ML applications.
Familiarity with data governance tools (Atlan, Alation, Collibra) and compliance standards (GDPR, CCPA, SOC 2).
Experience building data platforms to support recommender systems, personalization, or generative AI applications.
Background in CI/CD, infrastructure-as-code, and containerization (Terraform, Kubernetes, Docker).
Exposure to data product management principles, driving adoption and measurable ROI of ML/AI data platforms.
