Analytics Engineer (H/F)

L'entreprise

Depuis 2020, Elax Energie propose de réaliser des économies d’énergie et de la flexibilité sur le réseau électrique pour une consommation plus verte ♻️

Concrètement, Elax a développé un boîtier (fabriqué en France 🇫🇷) qui pilote à distance des chauffe-eaux existants afin de réduire la consommation des logements sociaux et les faire consommer quand l’électricité est moins carbonée sur le réseau.

Elax, c’est :

⚡️ Déjà + de 80 000 boîtiers installés

⚡️ +100 bailleurs sociaux conquis par la solution

⚡️ 20% d’économies d’énergie réalisées en moyenne

⚡️ +de 50 super Elaxians motivés (et ce n’est que le début !)

En 2026, nous poursuivons notre ascension en recrutant nos postes-clés afin de développer de nouvelles verticales et renforcer notre super équipe !

Convaincus qu’une politique humaine est essentielle à l’épanouissement de nos Elaxians, nous veillons à faire vivre nos valeurs au coeur de nos actions quotidiennes.

Ta future équipe

Tu rejoins la Data Platform, équipe rattachée au CTO, elle compte aujourd'hui trois personnes : Auguste (Head of Data & IA), Baptiste (Analytics Engineer) et Laëtitia (IA Engineer).

Notre rôle : transformer les données brutes de tous les outils d'Elax en un data model clair, documenté et fiable, sur lequel s'appuient les décisions de toute l'entreprise, y compris via Nao, notre outil de requête en langage naturel. Par ailleurs, il y a un contexte de montée en compétences sur les outils IA.

Tu travailleras en lien étroit avec les équipes métier, dans un environnement très autonome, avec beaucoup de feedback régulier et de la place pour challenger l’existant.

Notre stack: dbt, BigQuery, Metabase, Nao, Claude, Dagster, Airbyte

Tes missions

Pour passer d’une modélisation réalisée au fil de l’eau à une couverture structurée par domaine métier, nous recherchons notre futur·e Analytics Engineer pour construire des modèles de données auxquels les équipes métier font confiance.

Tu seras responsable de transformer des données parfois complexes en modèles clairs, documentés et réutilisables. Ton terrain de jeu ira du staging aux marts, sur BigQuery et dbt, avec un enjeu particulier autour de Nao et du domaine de la flexibilité énergétique.

Dans le détail, tes missions seront les suivantes :

1 - Fiabiliser le data model par domaine

Tu contribueras à faire évoluer le modèle de données complet d’Elax, domaine par domaine.

• Définir le grain, les faits, les dimensions et les relations entre les différents objets métier.

• Construire les modèles dbt, du staging aux marts, sur BigQuery.

• Écrire les tests dbt nécessaires et garantir la qualité, la cohérence et la robustesse des modèles.

2 - Rendre la donnée compréhensible et exploitable par Nao

Chez Elax, la documentation n’est pas un livrable secondaire : elle permet directement à Nao de produire des réponses fiables.

• Documenter systématiquement les modèles, les champs, les synonymes métier et les règles de gestion.

• Auditer les réponses produites par les agents afin d’identifier les zones d’ombre ou les incohérences dans la donnée ou le contexte.

• S’assurer qu’aucun domaine métier n’est exposé dans Nao sans modèle suffisamment documenté.

• Prendre progressivement la responsabilité d’un domaine métier de bout en bout.

3 - Être un véritable partenaire des équipes métier

Tu ne seras pas uniquement dans la production technique et l’éxécution. Tu aideras aussi les équipes à formuler les bons problèmes et à obtenir la bonne donnée au bon moment.

• Traduire des besoins métier parfois flous en périmètres data clairs et actionnables. Savoir questionner une demande tout en préservant une relation de confiance est aussi important que votre expertise technique !

• Savoir dire non lorsqu’une demande risque d’altérer la fiabilité à long terme au profit d’un correctif rapide.

• Contribuer aux conventions d’équipe : standards SQL et dbt, règles de nommage, documentation et Nao-readiness.

4- Décupler tes workflows grâce à l'IA

• Exploiter les outils IA pour accélérer la documentation, les tests et la modélisation, tout en conservant ton esprit critique pour les décisions clefs.

Tes objectifs à horizon 1 an

Phase 1 (0 à 3 mois) : embarquement et premiers quick-wins

• Tu découvriras l’environnement Elax, la stack data et les principaux domaines métier.

• Tu prendras en main les modèles existants, les conventions dbt et les usages de Nao.

• Tu livreras tes premiers modèles documentés et identifieras rapidement les zones prioritaires à fiabiliser.

Phase 2 (3 à 6 mois) - montée en puissance et autonomie

• Tu deviendras autonome sur un ou plusieurs domaines métier.

• Tu contribueras à la modélisation de sujets structurants, à l’amélioration des tests et de la documentation, tout en prenant en charge une partie des sujets KPI.

• Tu commenceras également à porter des sujets de cadrage avec les équipes métier.

Phase 3 (6 à 12 mois) - maitrise et apport stratégique

• Tu seras pleinement responsable de ton périmètre, de sa modélisation à sa documentation.

• Tu contribueras à faire évoluer les standards de qualité de l’équipe et tu seras identifié·e comme un véritable partenaire par les équipes métier. L’objectif : une donnée fiable, comprise par tous et exploitable efficacement par Nao.

• Ton domaine entièrement modélisé et documenté, aucun modèle exposé à Nao sans documentation.

🔎 Profil recherché

Nous recherchons un profil avec environ 2 à 5 ans d’expérience dans la data. Les parcours incluant une alternance ou des expériences significatives en stage sont étudiés avec attention si tu as déjà construit des modèles et gagné en autonomie.

Tes hard/soft skills

• Les fondamentaux de l'Analytics Engineering : tu maitrises parfaitement dbt et SQL, notamment la modélisation dimensionnelle. Tu as déjà déployé en production des modèles sur lesquels d'autres équipes s'appuient pour créer leurs tableaux de bord.

• Aisance relationnelle et prise de recul : tu es curieux.se, débrouillard.e et tu sais challenger la demande d'un interlocuteur métier qui nuirait à la qualité des données, sans pour autant dégrader la relation partenariale

• Pensé pour durer : tu conçois des modèles qui restent solides au fil des mois, et sais quand un « suffisamment bon maintenant » surpasse un « parfait plus tard ».

• Pratique fluide de l'IA : tu utilises les outils d'IA au-delà du simple chat, pour accélérer la modélisation, la rédaction de la documentation ou la génération de tests.

• Goût de la propriété des sujets : tu es prêt.e à prendre en charge des projets de bout en bout et à contribuer à élever les standards de l'équipe.

Nice to have : la connaissance de Dagster (orchestration), Metabase (Dataviz) ou d’un semantic layer est un plus. Tu n’as pas besoin d’être expert·e de l’énergie ou de Nao : nous attendons surtout une vraie capacité à comprendre un domaine complexe et à en extraire la bonne sémantique.

Ce que nous vous proposons

💶 Salaire : 45-60 K€ selon profil et expérience

📈 Un poste clé au cœur d’une start-up en pleine croissance avec des possibilités d’évolution rapide.

🏠 Télétravail : poste basé à Paris avec un format hybride (2 jours en présentiel sur site). La personne recrutée doit résider en France.

💊🍽️ Mutuelle Alan & tickets restaurants Swile à hauteur de 11,50 €/jour.

👨‍🎓 Socle de formation d’intégration et continue.

🎳🥂 Événements fréquents de team building, séminaire d’entreprise, off-site…

Tu rejoindras une startup tech avec une stack récente, une vraie vision produit et un impact concret sur la transition énergétique. Ici, tu ne produiras pas uniquement des dashboards : tu contribueras directement à un produit data utilisé par les équipes et à une meilleure prise de décision à l’échelle de l’entreprise.

🙋‍♀️ Autorisez-vous à candidater !

Les études montrent que les candidats issus de milieux sous-représentés renoncent souvent à postuler s’ils ne remplissent pas tous les critères. Si tu ne possèdes pas 100 % des compétences énumérées, nous t’encourageons vivement à postuler si tu es intéressé.e.

Si Elax Energie t'intéresse, sache que nous aurons plaisir à recevoir ta candidature !

1. Un premier entretien RH en visio avec Shirley Almosni Chiche, Talent acquisition manager — 30 à 45 minutes.

2. Un entretien opérationnel avec Auguste ton futur manager, autour de ton parcours, de ta manière de travailler et de ta maîtrise de la modélisation.

3. Un test technique : un cas de modélisation en pair avec Baptiste (Analytics Engineer) et Auguste

4. Prise de références auprès de 2 personnes

Notre objectif : avancer rapidement, avec environ trois semaines entre la préqualification et l’offre.