Ingénieur QA Technique (H/F)

À propos de nous :

Leader de l’information business, Altares collecte, structure, analyse et valorise les données B2B pour les rendre « intelligentes » et performantes, afin de faciliter la prise de décision de ses clients. Le groupe propose son expertise sur l’ensemble de la chaîne de valeur des données en matière de risque financier, de conformité, de ventes et marketing et de gestion des bases de données. Altares est présent en France, au Benelux et en Afrique du Nord avec Dun & Bradstreet, premier fournisseur mondial de données et d’analyses décisionnelles pour les entreprises depuis près de 200 ans. Cela fait d’Altares le partenaire de choix des dirigeants de tous les secteurs, en leur offrant un accès à la base de données de plus de 550 millions d’entreprises dans plus de 190 pays. Altares compte plus de 420 collaborateurs en Europe.

Les valeurs d’Altares sont : la confiance, l’engagement, l’ambition et l’innovation.

Contexte :

La Direction Product Engineering renforce son dispositif Qualité afin d’accompagner l’évolution des produits et des plateformes data.

L’équipe QA est composée d’une quinzaine de personnes, réparties entre collaborateurs internes et prestataires externes, intervenant sur plusieurs produits et périmètres techniques.

Dans un contexte fortement orienté données (ingestion, transformation, exposition via APIs et produits), la qualité des données devient un enjeu central.

Le poste d’Ingénieur QA Technique vise à structurer et développer les capacités de test sur la data, aujourd’hui peu outillées et peu formalisées, en complément des pratiques QA existantes.

Vos principales missions seront :

Définir, mettre en œuvre et faire évoluer les pratiques de tests QA appliquées aux données, afin de garantir la fiabilité, la cohérence et la qualité des données ingérées, transformées et exposées par les produits.

 

1.    QA Data & Data Quality

·         Définir et mettre en œuvre des stratégies de test appliquées aux données :

o   qualité des données en entrée (ingestion),

o   contrôles post‑transformation,

o   cohérence des règles métier,

o   complétude, fraîcheur et intégrité des données.

·         Concevoir et automatiser des tests de validation de données sur les pipelines data.

·         Participer à la définition de règles de qualité des données en lien avec les équipes Data, Produit et Engineering.

·         Contribuer à la détection précoce des anomalies data avant exposition aux consommateurs (produits, APIs, clients internes ou externes).

 

2.    Automatisation et expertise technique

·         Concevoir, développer et maintenir des tests automatisés orientés data (tests SQL, API, contrôles de jeux de données, règles métier).

·         Contribuer à l’évolution et à la robustesse des outils et frameworks de tests data.

·         Participer aux revues de code QA et aux échanges techniques avec les équipes Data et Développement.

·         Être force de proposition sur les choix techniques liés à la QA Data (outillage, méthodes, organisation).

 

3.    Intégration dans les pipelines et le delivery

·         Intégrer les tests data dans les pipelines CI/CD et data pipelines.

·         Travailler étroitement avec les équipes Data Engineering, DevOps et Développement.

·         Contribuer à la fiabilité des environnements de qualification et de test.

·         Participer aux cérémonies Agile afin de garantir la prise en compte de la qualité des données tout au long du cycle de delivery.

 

4.    Assurance qualité opérationnelle

·         Concevoir et maintenir les cas de tests data et leur traçabilité.

·         Identifier, qualifier et suivre les anomalies liées aux données jusqu’à leur résolution.

·         Participer aux phases de validation avant mise en production.

·         Contribuer à l’analyse des incidents en production liés à des problématiques de données.

 

5.    Structuration, documentation et transmission

·         Contribuer à la structuration des pratiques de QA Data (standards, règles communes, bonnes pratiques).

·         Produire et maintenir une documentation claire et exploitable sur les tests data, les règles de qualité et les contrôles mis en place.

·         Participer à la montée en compétences collective :

o   partage de connaissances autour de la QA Data,

o   accompagnement des QA et Data Engineers,

o   contribution à une dynamique de communauté QA / Data.

 

6.    Usage de l’IA comme accélérateur de productivité

·         Utiliser des outils d’IA générative comme assistants dans les activités QA Data :

o   aide à la conception de règles de contrôle,

o   génération de jeux de données de test,

o   assistance à l’écriture de requêtes ou scripts de validation,

o   analyse de résultats ou d’écarts.

·         Contribuer à une adoption raisonnée et sécurisée de ces outils, dans le respect des règles de confidentialité et de qualité.

·         Identifier des cas d’usage IA pertinents pour améliorer l’efficacité des tests data.

Requirements

Expérience :

·         5 ans minimum d’expérience en QA, Data QA ou Data Engineering avec une forte sensibilité qualité.

·         Expérience significative sur des systèmes orientés données (ETL / ELT, pipelines data, APIs).

·         Habitude de travailler dans des contextes Agile et orientés produit.

 

Compétences techniques :

·         Très bonne maîtrise :

o   des tests appliqués aux données,

o   du SQL (indispensable),

o   des tests API et de la validation des flux de données.

·         Bonne compréhension des architectures data et des pipelines.

·         Connaissance d’au moins un langage de scripting ou de programmation (Python, Groovy, Java, ou équivalent).

·         Bonne compréhension des principes CI/CD et de leur application aux pipelines data.

·         Intérêt marqué pour l’utilisation de l’IA comme outil d’assistance à la QA Data.

 

Compétences comportementales :

·         Esprit analytique et rigoureux.

·         Sens du détail et forte exigence sur la qualité des données.

·         Autonomie, sens des responsabilités et posture proactive.

·         Capacité à travailler en transverse avec des équipes Data, Produit et Tech.

·         Capacité à challenger l’existant de manière constructive.