Data engineer senior - ETL d'un référentiel national de projets (freelance, novembre 2026) beta.gouv.fr

Communauté de produits numériques pour le service public.

Freelance

Paris

Fully-remote

Salary: Not specified

16 days ago

Skills we're looking for

Teamwork

Documentation management

Bert

TypeScript

MDM

You'll be part of

1400 employees

SaaS / Cloud Services

Public Administration

SocialTech / GreenTech

Founded in 2015

60%

40%

beta.gouv.fr est une communauté de produits numériques du service public qui répond à la fois aux problèmes d’intérêt général et aux vrais besoins des usagers.

L’approche beta.gouv.fr repose sur les principes d’impact, d’autonomie des équipes et d’amélioration continue, pour construire des services utiles et faciles à utiliser.

Aujourd’hui, beta.gouv.fr s’appuie sur un réseau de 19 incubateurs, qui déploient le mode produit au sein des administrations pour transformer la façon de faire des services publics numériques.

L’objectif : construire des services numériques à impact national, en pilotant par l’impact.

You'll be working on

Le produit

L’API Projets Collectivités est le service numérique DINUM × SGPE qui construit le référentiel national des projets des collectivités : rapprochement multi-sources (dotations État, marchés publics, fonds d’aides, programmes des opérateurs de l’État), dédoublonnage, classification, identifiant unique de projet. Il alimente les vues territoriales des services de l’État (SGCOP, DREAL, préfectures) et les démarches de financement.
→ https://beta.gouv.fr/startups/communs-de-la-transition-ecologique-des-collectivites.html

Nous avons une base consolidée d’environ 1,2 million de projets, une déduplication et une classification qui fonctionnent, mais en pipeline one-shot. Ta mission : en faire un ETL de production. Avec un enjeu transverse : faire tourner le run sur une stack souveraine (modèles ouverts, hébergement État) et des algorithmes lean et rapides.

La mission (≈ 22 jours, concentrés sur novembre)

Industrialiser le pipeline existant → ETL reproductible en environnement de test puis en prod : séparation datasources / calculs / logging des calculs, registre des sources, réversibilité des saisies humaines.
Brancher les sources en flux en incrémental
Fiabiliser le rapprochement / dédup (record linkage, blocage territorial, scores, évaluation précision/rappel).
Classifieur quasi temps réel sur stack souveraine : poursuivre un élève distillé (CPU, open-weight) et l’usage de modèles ouverts hébergés par l’État (Albert API).
Documenter l’architecture et transmettre.

Livrables à fin novembre : ETL reproductible en test, connecteurs de flux, registre des sources, classifieur opérationnel, doc d’architecture.

We're looking for

Toi

Indispensable

Track record sur des projets similaires (ETL en production, maintenable et documenté)
pipelines batch et flux (idempotence, reprise, webhooks), orchestration, tests de données ;
record linkage / entity resolution ;
autonome en prod (PaaS, Docker), capable d’écrire et documenter une architecture ;
pratique des assistants de code (toute l’équipe développe avec).

Apprécié : distillation / classifieurs légers (BERT & co) et modèles open-weight ; dbt ; expérience de référentiel/MDM ; données publiques françaises ; secteur public.

Conditions

Freelance, contractualisation via le titulaire du marché public beta.gouv.
Contrainte de temps forte : démarrage début novembre, ~22 jours, temps plein souhaité (4 j/sem minimum), livrables réceptionnés avant mi-décembre. Prolongation possible en 2027.
Full remote. Stack : PostgreSQL, Python, NestJS/TypeScript côté API, Scalingo.
TJM : à discuter selon profil.

How we hire

Processus rapide, on démarre dans 10 jours

Call de 20 min (alignement mission / dispo / TJM).
Entretien métier de 45 min + courte mise en situation (étude de cas ETL / dédup).
Décision sous 48 h.