Analytics Engineer & IA agentique

Yomoni; Paris; Hybrid; EUR 70,000 - 110,000; Full time

Benefits offered by this job

Mutuelle 70%

Plan d'épargne entreprise

RTT

Tickets-restaurant 60%

Salle de sport sur place

Wellpass

Job summary

Yomoni recrute un ingénieur analytics pour faire évoluer le socle data utilisé par toutes les équipes et bâtir nos premiers agents IA. Vous rejoindrez une petite équipe data et travaillerez sous la responsabilité de Léa et Benjamin, avec une collaboration étroite sur le développement du modèle de données et des dashboards.

Le rôle vise à automatiser les traitements récurrents, à industrialiser les cas d’usage et à faire évoluer la plateforme en self-service data pour les métiers, en restant

Qualifications

• Expérience pratique en analytics ou analytics engineering, idéalement en production.
• Maîtrise de SQL et de dbt en production.
• Connaissance des outils data stack (Git, Confluence, dbt Docs).
• Bonnes bases de Git et de Python sont un plus.
• Compréhension des enjeux métier et capacité à transformer une question opérationnelle en modèle de données.

Responsibilities

• Faire évoluer le modèle de données dbt et maintenir les traitements en production.
• Servir de point de contact data pour les métiers (finance, marketing, ops, service client).
• Concevoir et maintenir des dashboards Metabase utiles et retirer les usages redondants.
• Automatiser les traitements récurrents, notamment financiers, et documenter les définitions et règles de calcul.
• Développer des agents d’analytique avec Claude/Dust et construire un semantic layer.
• Prototyper des cas d’usage, mesurer l’adoption et industrialiser ceux retenus.

Skills

SQL

dbt

Git

Python

Analytics eng

Production

Tools

Fivetran

Snowflake

dbt Cloud

Metabase

Hightouch

MetricFlow

Claude Code

Claude Cowork

Dust

Job description

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.