QA Manager Senior (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 :

Dans un contexte de transformation continue des pratiques de delivery et de montée en maturité qualité, la Direction Product Engineering renforce son organisation QA.

L’équipe QA est composée d’une quinzaine de personnes, dont 8 collaborateurs internes, complétée par des profils externes.

Les pratiques, les niveaux de maturité et les expertises y sont hétérogènes.

L’enjeu est de passer d’une QA majoritairement orientée exécution à une QA structurante, transverse et proactive, pleinement intégrée au cycle de développement des produits.

Le/La QA Manager Senior est responsable de définir, piloter et faire évoluer la stratégie Qualité, tout en faisant progresser l’équipe QA existante.

Vos principales missions seront :

Définir et déployer une stratégie Qualité homogène, mesurable et industrialisée, garantissant un haut niveau de fiabilité des produits, tout en accompagnant la montée en compétences et la professionnalisation de l’équipe QA.

 

1.    Pilotage de la stratégie QA

·         Définir et maintenir la roadmap QA en cohérence avec les enjeux produits, techniques et business.

·         Structurer une approche Quality by Design, intégrée dès les phases amont (discovery, cadrage, conception).

·         Définir et suivre des indicateurs de qualité (couverture de tests, pourcentage d’automatisation, stabilité des releases, incidents en production).

·         Être garant de la cohérence des pratiques QA sur l’ensemble du périmètre Product et Data Engineering.

 

2.    Industrialisation & automatisation

·         Piloter la stratégie d’automatisation des tests (tests fonctionnels automatisés, API, Data, intégration, non‑régression, performance, sécurité).

·         Travailler étroitement avec les équipes DevOps et Delivery sur les pipelines CI/CD, les environnements de qualification et les processus de release.

·         Porter une vision long terme sur la maintenabilité, la robustesse et la valeur des tests automatisés.

·         Contribuer à la réduction du risque lors des mises en production.

 

3.    Management et développement de l’équipe QA

·         Manager une équipe QA d’environ 15 personnes, composée de profils internes et externes, répartis sur plusieurs produits ou équipes, dans plusieurs pays.

·         Accompagner la montée en compétences individuelles (coaching, plans de progression, formation).

·         Structurer les rôles, responsabilités et niveaux de séniorité au sein de l’équipe.

·         Être moteur dans l’évolution de la posture QA : assertivité, esprit critique, sens du produit et responsabilité collective sur la qualité.

·         Participer aux recrutements QA (entretiens, intégration, accompagnement).

 

4.    Collaboration transverse

·         Travailler en étroite collaboration avec :

o   Product Managers / Data Managers

o   Engineering Managers et Scrum Masters

o   Product Owners et équipes Delivery

·         Être un interlocuteur crédible et force de proposition sur les arbitrages qualité / délai / périmètre.

·         Contribuer aux décisions structurantes

 

5.    Usage de l’IA comme levier d’efficacité collective

·         Identifier et encadrer les cas d’usage de l’IA appliqués à la QA, en lien avec les enjeux de productivité et de qualité.

·         Définir un cadre d’utilisation partagé (bonnes pratiques, limites, sécurité).

·         Accompagner l’équipe QA dans l’adoption raisonnée de ces outils comme accélérateurs de performance, sans compromis sur la fiabilité.

Requirements

Expérience :

·         Minimum 10 ans d’expérience en QA, dont une expérience confirmée en lead ou management QA.

·         Expérience significative dans des environnements Agile et orientés produit.

·         Habitude de travailler sur des produits complexes, avec des enjeux forts de fiabilité, de données et d’intégration.

 

Compétences techniques

·         Très bonne maîtrise :

o   des stratégies de test (fonctionnel, automatisé, non‑régression),

o   des tests API et data,

o   des outils d’automatisation et d’intégration continue.

·         Capacité à challenger les choix techniques sans se substituer aux équipes de développement.

·         Intérêt pour l’utilisation de l’IA comme levier d’efficacité organisationnelle.

·         Anglais courant obligatoire

 

Compétences managériales et comportementales :

·         Leadership naturel et capacité à fédérer des équipes hétérogènes.

·         Posture de manager‑coach, orientée responsabilisation et montée en maturité.

·         Excellente communication, capacité à vulgariser et à convaincre.

·         Esprit structurant, pragmatique, orienté amélioration continue et impact business.

 

Ce que nous attendons particulièrement :

·         Une vision claire et pragmatique de la Qualité, au‑delà de la seule phase de test.

·         La capacité à poser un cadre, tout en tenant compte du contexte réel des équipes et des produits.

·         La capacité à accompagner une équipe existante dans une montée en maturité progressive mais exigeante.

·         Une posture de partenaire du Product et Data Engineering, et non de contrôle externe.

·         Une intégration maîtrisée de l’IA comme outil d’amélioration continue, au service des équipes et des produits.