Data Reliability Engineer

La société Resilience Care est un acteur de premier plan dans la surveillance médicale à distance et un partenaire de recherche clinique. Fondée en France en 2021, notre mission est simple : améliorer les soins aux patients. Nous construisons des solutions de surveillance à distance en oncologie, gastro-entérologie et psychiatrie, alimentées par la collecte ePRO et des techniques d'IA. Notre plateforme aide les équipes de soins à détecter les effets secondaires tôt pour un soin continu et proactif, tandis que notre application pour les patients aide les personnes à suivre et gérer les symptômes avec des ressources adaptées.

Nos solutions optimisent les parcours de soins, enrichissent la compréhension continue des patients et accélèrent la recherche clinique grâce à la collecte, la structuration et l'analyse détaillée des données du monde réel. Aujourd'hui, nos solutions sont déployées dans les soins de routine pour 35 000 patients dans plus de 200 institutions de santé, et soutiennent également une vingtaine d'études cliniques académiques et industrielles.

Nous mettons les données au service des soins et de l'innovation thérapeutique, avec l'ambition de permettre à chaque patient de bénéficier de la médecine personnalisée.

Votre rôle

Vous rejoignez l'équipe d'ingénierie de fiabilité des données (DRE) pour construire, exploiter et sécuriser la plateforme de données qui transporte les données de santé de nos services de production vers les personnes qui les utilisent — équipes opérationnelles internes, utilisateurs de recherche clinique et partenaires externes recevant des exports de données contractuels.

Votre impact : Les données arrivent à temps, complètes, traçables et sécurisées — et quand ce n'est pas le cas, nous le savons avant les utilisateurs. Vous transformez les demandes de données ponctuelles et les procédures d'exportation manuelles en pipelines automatisés, surveillés et reproductibles.

Votre quotidien :

• Construire et exploiter des pipelines de données : ingestion à partir d'événements d'application et de bases de données, transformation, export.
• Construire les outils qui gèrent ces pipelines, main dans la main avec SRE : infrastructure as code (Terraform, Helm sur Kubernetes), déploiement, CI/CD, gestion des secrets, opérations de base de données et réponse aux incidents.
• Surveiller la qualité des données et la santé des pipelines : tableaux de bord Grafana, alertes, et observabilité basée sur des métriques et des journaux, afin que les pannes soient détectées et diagnostiquées rapidement.
• Posséder les contrats de données et la qualité des données : convenir avec les équipes émettrices des schémas, sémantiques et règles de changement majeur, et les faire respecter avec des tests automatisés (fraîcheur, exhaustivité, intégrité référentielle) qui échouent bruyamment avant que les données n'atteignent leurs utilisateurs.
• Fournir des exports de données sécurisés à des partenaires et institutions externes.
• Provisionner et maintenir des espaces de recherche PostgreSQL dédiés pour les équipes d'étude clinique, y compris le contrôle d'accès et la définition des données par étude.
• Aider les modélisateurs à faire évoluer leur travail : industrialiser le projet dbt afin qu'une seule modélisation écrite par un analyste de données soit centralisée, parallélisée et appliquée à plusieurs cibles.
• Travailler directement avec les demandeurs : définir le besoin, le challenger, convenir de ce qui est faisable, livrer et documenter.
• Collaborer avec les équipes produit sur les données qu'elles émettent : challenger leur conception en amont et participer à l'implémentation de leur côté (TypeScript) si nécessaire — vous contribuez à leur code, ils maintiennent leur feuille de route.
• Participer aux revues de code, à la conception technique et à l'amélioration continue des normes d'ingénierie.

Ce que nous recherchons

Vous êtes la bonne personne si vous pouvez :

• Livrer du code Python de qualité production (tests, typage, qualité du code, revues, CI), et utiliser des outils d'IA comme multiplicateur sans renoncer à la propriété technique.
• Construire et exploiter des pipelines de données et de l'orchestration (Prefect, Airflow, Dagster ou équivalent), y compris des flux d'événements (Kafka) et des transports d'objets/fichiers (S3, SFTP).
• Écrire et optimiser des SQL avancés sur PostgreSQL (indexation, plans de requêtes, chargements incrémentiels).
• Pousser dbt bien au-delà de l'utilisation de base : macros et Jinja, projets multi-cibles, stratégies incrémentales, tests, packages et intégration CI.
• Déployer et exploiter ce que vous construisez (Terraform, Helm/Kubernetes, conteneurs, CI/CD), avec une surveillance et des alertes significatives (Grafana ou équivalent) — et diriger le diagnostic lorsque quelque chose casse.
• Lire et contribuer à des bases de code TypeScript lorsque le pipeline rencontre le côté application, avec une bonne compréhension de l'architecture API back-end (conception REST, versioning, authentification, pagination, contrats).

Vous êtes la bonne personne si vous avez :

• De solides compétences en communication — ce n'est pas un atout dans ce rôle. Vous passerez du temps réel avec des demandeurs non techniques.
• La capacité de traduire un besoin opérationnel ou scientifique en spécification technique, et de dire non (et d'expliquer pourquoi) lorsqu'une demande n'est pas faisable ou conforme — avec le soutien du département juridique/conformité.
• Un confort à collaborer avec SRE sur une infrastructure partagée, et avec des profils scientifiques sur des données d'essai clinique.
• Une rigueur avec les données sensibles : vous traitez les données des patients avec la prudence qu'elles méritent, par réflexe.
• Un sens de la responsabilité, de l'autonomie et de la responsabilité, y compris une responsabilité de type astreinte pour ce que vous livrez — avec une approche structurée, orientée vers les détails, un biais pour l'automatisation, et un focus sur l'impact et la maintenabilité.
• Une curiosité et un état d'esprit d'apprentissage continu — le réflexe d'aller au-delà de votre propre pile : lire le code d'une équipe produit, explorer une API ou une couche d'infrastructure que vous ne possédez pas, et apprendre ce dont vous avez besoin pour vous débloquer au lieu d'attendre que quelqu'un d'autre le fasse.

Vous êtes la bonne personne si vous avez déjà :

• Environ 4 à 6 ans d'expérience en ingénierie des données, ingénierie de plateforme ou développement backend avec un fort composant infrastructure.
• Exploité des pipelines de production dont vous étiez responsable (pas seulement les avoir construits).
• Écrit et révisé de l'infrastructure en tant que code dans un cadre d'équipe.
• Livré des données à des parties prenantes en dehors de votre propre équipe, et géré la conversation qui l'accompagne.
• Travaillé dans une base de code maintenue (flux Git, PR, CI).
• Opéré dans un contexte avec des normes élevées (sécurité, conformité, données sensibles).

Atouts supplémentaires :

• Avoir une exposition aux données de santé, aux environnements soumis au RGPD ou hébergés HDS.
• Avoir soutenu des utilisateurs de recherche scientifique ou clinique (ensembles de données d'étude, extraction de cohortes, demandes de données de la part d'enquêteurs).
• Avoir géré des échanges de données contractuels avec des partenaires externes (accords de transfert de données, SLA de livraison, exigences de cryptage).

Pourquoi nous rejoindre ?

• Une mission qui tient : améliorer les soins aux patients avec des données.
• Une réelle propriété sur une plateforme complète — pipelines et l'infrastructure sur laquelle ils fonctionnent — pas une tranche étroite.
• Un contact direct avec les personnes que votre travail sert, y compris les équipes de recherche clinique menant des études actives.
• Une culture axée sur l'automatisation, l'observabilité et l'amélioration continue, avec une utilisation pratique de l'IA.
• Un environnement favorable au télétravail et qui valorise la qualité, les normes et la propriété.

Processus de recrutement

• Screening - Elena (15 min) : valider la motivation et les prérequis du rôle.
• Ajustement avec le manager - Alric (30 min) : adéquation au poste, et une conversation honnête sur la nature opérationnelle et de construction du rôle.
• Étude de cas technique - session en direct (1h30), sans préparation : vous travaillez sur un petit cas réaliste avec nous — conception de pipeline, infrastructure et contraintes d'exportation de données. Nous regardons comment vous raisonnez et ce que vous demandez, pas un livrable poli.
• Ajustement d'équipe : entretien d'ajustement avec Mellody, Anna, Guillaume (30 min) : adéquation de collaboration avec les demandeurs de recherche/clinique et opérationnels.
• Ajustement culturel - Elena (40 min) : évaluer l'alignement avec notre culture et nos modes de travail à distance.
• Ajustement stratégique - Jullian (30 min) : adéquation de collaboration, normes d'ingénierie.

RGPD : Vos données personnelles seront traitées aux fins d'activités liées au recrutement, qui incluent la mise en place et la conduite d'entretiens et de tests pour les candidats, l'évaluation et l'évaluation des résultats, et comme cela est autrement nécessaire dans les processus de recrutement et d'embauche. Elles ne seront accessibles qu'aux personnes impliquées dans le processus et seront effacées après 2 ans d'inactivité. En vertu du RGPD et en tant que Resilience attache une grande importance à la vie privée, veuillez noter que vous avez le droit de demander l'accès à vos données personnelles, de demander que vos données personnelles soient rectifiées ou effacées. Le Délégué à la protection des données peut être contacté à ----- Pour plus d'informations, veuillez consulter notre politique de confidentialité.