Analytics Engineer & IA agentique

Rejoins une équipe data de trois personnes pour faire évoluer le modèle de données utilisé par toutes les équipes de Yomoni et construire nos premiers agents IA.

En deux ans et demi, nous avons bâti un socle data complet et adopté : Fivetran, Snowflake, dbt Cloud, Metabase et Hightouch, plus de 300 modèles dbt et 29 sources de données. Tu arrives donc sur un socle à faire grandir, pas sur une plateforme à reconstruire.

Le poste poursuit deux objectifs : renforcer notre capacité à répondre aux besoins des métiers et à automatiser les traitements récurrents, notamment en finance ; et faire passer à l'usage nos premières briques d'IA agentique (semantic layer dbt MetricFlow, dix skills Claude Code, prototype de fiche client en langage naturel).

Tu seras rattaché·e à Léa, Senior Analytics, ta référente au quotidien, et accompagné·e par Benjamin, Head of Data, qui porte les sujets d'IA agentique. Tu travailleras aussi avec Guillaume, Data Engineer, responsable de la plateforme. Dans une équipe de cette taille, tes livrables sont visibles et tes propositions se transforment vite en réalisations.

1. Faire évoluer le socle des modèles de données pour l'analytics

C'est le cœur du poste et la priorité des premiers mois.

• Être le point de contact data des équipes finance, marketing, opérations et service client : comprendre le besoin, le challenger, le traduire en solution et la livrer.

• Faire évoluer le modèle de données dbt : nouveaux modèles, refactorisations, tests, documentation et amélioration continue.

• Maintenir et fiabiliser les traitements en production qui alimentent la finance et la relation client (modèle de valeur client, calcul des remboursements, flux de données des partenaires), puis les faire évoluer.

• Concevoir et maintenir les tableaux de bord Metabase réellement utilisés, et retirer ceux qui ne répondent plus à un besoin.

• Automatiser des traitements aujourd'hui réalisés manuellement, en commençant par les processus de finance.

• Documenter les définitions et les règles de calcul pour garantir une lecture cohérente des indicateurs.

2. Construire l'analytics agentique

L'objectif est de rendre la donnée plus directement accessible, avec le niveau de rigueur attendu dans un environnement régulé.

• Développer des agents d'analytique en libre-service avec Claude ou Dust, déjà en place, appuyés sur notre semantic layer, pour que les équipes métier obtiennent des réponses documentées sans ouvrir de ticket et tendre vers la BI en self-service.

• Concevoir des règles de validation, de traçabilité et d'escalade lorsque la réponse d'un agent doit être vérifiée par une personne.

• Créer des outils pour l'équipe data (skills, MCP, agents) qui accélèrent les tâches répétitives.

• Identifier les cas d'usage, les prototyper, mesurer leur utilisation et décider avec l'équipe lesquels industrialiser.

Tes douze premiers mois

• À 3 mois : tu es autonome sur le modèle de données dbt et sur les demandes courantes des métiers. Un premier agent est utilisé en interne.

• À 6 mois : les traitements finance ciblés sont automatisés de bout en bout, documentés et sans reprise manuelle.

• À 12 mois : plusieurs agents en libre-service sont utilisés par les métiers et tu es référent·e d'une partie du modèle de données.

À deux ou trois ans, une évolution vers un rôle de référent·e de domaine puis de Senior Analytics Engineer pourra se dessiner.

La stack

• Fivetran, Snowflake, dbt Cloud et semantic layer MetricFlow

• Metabase, Hightouch

• Claude Code, Claude Cowork, Dust, skills et MCP

• Confluence et dbt Docs

• Un périmètre qui est le tien dès le premier mois, et l'IA agentique comme responsabilité concrète.

• Des collaborations directes avec les stakeholders métiers incluant les managers/directeurs

• Rémunération fixe sans variable individuelle : le fixe annoncé est le fixe proposé.

• Hybride, au moins 3 jours au bureau par semaine.

• Deux séminaires par an. Un global et un d'équipe

• Un plan d'épargne entreprise.

• Une mutuelle prise en charge à 70 %.

• Une carte titres-restaurant de 8 €, prise en charge à 60 %.

• Des RTT.

• 20 € remboursés chaque mois sur ton forfait internet.

• Une salle de sport sur place et un abonnement Wellpass.

Les bases indispensables

• Une expérience pratique en analytics ou en analytics engineering, idéalement acquise en production.

• Une pratique avancée de SQL.

• Une expérience de dbt en production.

• Une bonne compréhension des enjeux métier et la capacité à transformer une question opérationnelle en modèle de données pertinent.

• Les bases de Git.

Nous recherchons une expérience réelle de production, pas un nombre précis d'années de carrière. Vous n'avez pas besoin d'être senior pour réussir dans ce poste.

Les atouts supplémentaires

• Une pratique de Python.

• Une expérience de Claude Code ou de Claude Cowork. Un usage personnel sérieux compte autant qu'une expérience professionnelle.

• La connaissance d'un environnement fintech ou régulé.

Étapes

1. Échange de 30 minutes avec Léa ou Benjamin, pour comprendre ton parcours, tes attentes et ta manière de travailler.

2. Étude de cas à réaliser chez toi, centrée sur dbt et la modélisation mais pas que.

3. Restitution de l'étude de cas avec Léa et/ou Benjamin, suivie d'un échange sur un business case approfondi de 60 minutes.

4. Entretien final avec Marc, COO.

Le questionnaire de candidature est obligatoire : il nous aide à comprendre ta façon de réfléchir avant de lire ton CV. Si tu ne réunis pas tous les critères mais que ton socle SQL et dbt est solide, candidate. Si tu as besoin d'un aménagement à une étape, dis-le-nous.