Ingénieur fondateur en analytique

Qui nous sommes
Zefir construit un pilote automatique d'IA pour les ventes de maisons en Europe, en commençant par la France : un agent IA gère l'intégralité du parcours de vente et d'achat de bout en bout, orchestrant les courtiers, les portails, les acheteurs et les documents locaux.
Soutenus par plus de 55 millions de dollars provenant d'investisseurs de premier plan comme Sequoia Capital, nous nous engageons à accélérer les changements de vie de millions de propriétaires européens actuels et futurs.
Un agent IA qui gère une transaction immobilière de bout en bout ne fonctionne que si les données qu'il contient sont disponibles, fiables et gouvernées. C'est le travail.

Pourquoi ce rôle existe
Il s’agit de la première location de données dédiée depuis des années. Les fondations fonctionnent, le pilotage dépend de vous.
Même si BigQuery héberge déjà la plupart de nos données, il nous manque encore des données clés sur la croissance et un cadre de gouvernance des données cohérent. Nous avons besoin de définitions unifiées, d'un schéma canonique et d'une couche sémantique robuste, permettant aux secteurs de la croissance, de la finance, des opérations et des produits de fournir eux-mêmes des informations de manière efficace et fiable.
Aujourd'hui, la pile tient parce que les individus des secteurs des opérations, de la croissance, des finances et de l'ingénierie compensent localement. Ils ont appris les bizarreries et trouvé des solutions de contournement. Cela fonctionne, mais c'est fragile : les KPI dérivent d'un outil à l'autre, le suivi des pannes se produit en silence, les coûts augmentent et personne n'est propriétaire de la traduction entre les données d'ingénierie brutes et la vérité prête à prendre des décisions.
Vous serez le seul propriétaire responsable de cette couche. Pas une fonction support, pas un ticketing desk, pas une BI factory.

Ce que vous posséderez
Modèles canoniques et définitions métriques. Une couche sémantique documentée avec des entités canoniques (Acheteur, Vendeur, Actif, Agent) et des couches Bronze/Argent/Or. Des contrats clairs entre ce que l'ingénierie expose et ce que chaque fonction consomme, afin que les débats sur les KPI soient alignés sur la même métrique.
Activation du libre-service. La partie immergée de l'iceberg : des modèles épurés, des primitives BI cohérentes, une sécurité au niveau des lignes et des colonnes, pour que les responsables des opérations, de la croissance, des finances et des comptes créent leurs propres tableaux de bord sans compromettre la précision.
Analyse et suivi de la gouvernance. La taxonomie mondiale des événements et la feuille de route de suivi, une stratégie d'événements hybride côté client et côté serveur, une synchronisation cohérente entre les CRM et les plateformes marketing, et les flux de consentement RGPD dès la conception, de sorte que les dépenses d'acquisition reposent sur une attribution à laquelle nous pouvons faire confiance.
Fiabilité, sécurité et coût de la plateforme. Normes définies une fois plutôt qu'équipe par équipe : transformations testées et versionnées, surveillance de la fraîcheur, des pannes et de l'utilisation, modèles d'ingestion sains (réplicas en lecture, CDC, batch) et aucun chemin de code de production en fonction des tables BI.
Les données et l’IA déterminent les décisions. Nos outils d’IA internes interrogent déjà l’entrepôt de données pour des analyses. Ce qui manque, c'est la base fondamentale : des définitions de métriques standardisées, une logique réutilisable et des modèles de données précalculés.

À quoi ressemble le succès après 12 mois

• Une taxonomie d'événements documentée, réellement utilisée par l'ingénierie, la croissance et le CRM.

• Une couche sémantique où chaque KPI partagé a une définition unique, un propriétaire unique et un historique de versions. Les nouveaux arrivants comprennent le modèle de données en quelques jours, et non en mois.

• Publication de SLA de fraîcheur et d'échec, topologie d'ingestion explicite et aucun chemin de production dépendant des tables BI.

• Les opérations, la croissance, la finance et les AM créent eux-mêmes la plupart de leurs tableaux de bord récurrents, et les agents d'IA interrogent la couche de données en toute sécurité via des MCP organisés.

• L'attribution de la croissance est suffisamment fiable pour que les décisions de dépenses d'acquisition annuelles soient défendables de bout en bout.

Ce que nous recherchons

• Plus de 7 ans d'expérience en tant qu'ingénieur de données, d'analyse ou de plateforme, incluant idéalement un passage dans une entreprise de consommation ou de marché en évolution rapide. Exposition du personnel ou du plomb attendue.

• Pratique de la pile de données moderne : BigQuery (ou Snowflake, Redshift), dbt ou équivalent, SQL avancé et modélisation de données, Python pour les pipelines, orchestration (Airflow, Dagster, Prefect).

• Vous avez livré le suivi des événements et l'instrumentation en production, de bout en bout : taxonomie, événements côté client et serveur, attribution, désinscription conforme au RGPD, propagation en aval.

• À l'aise avec les modèles d'ingestion (Fivetran, Airbyte, CDC), l'ETL inversé (Hightouch, Census, Segment) et la gouvernance des accès (IAM, sécurité au niveau des lignes et des colonnes, marquage PII).

• Vous avez construit et possédé une couche sémantique ou de métriques, et vous pouvez arbitrer sans broncher les définitions de métriques avec Finance, Ops et Growth.

• Vous traitez les agents IA comme des consommateurs de données de premier ordre : exposant les données via des MCP, des API sémantiques ou du texte vers SQL, avec des garde-fous appropriés.

• Forte appropriation : vous rédigez les normes, les défendez et réparez ce qui ne fonctionne pas sans attendre l'autorisation.

• Un communicateur clair qui transforme les rituels de « ping auprès de la personne chargée des données » en transferts en libre-service.

• Maîtrise de l'anglais et du français.

Le compromis honnête
Il n’y a pas d’équipe data à gérer, et aucune n’est prévue à court terme. Vous bénéficiez d'une réelle autonomie et d'une ligne directe avec les fondateurs et les responsables de fonction, en échange de construire seul avant peut-être de constituer une équipe. Dans une proptech comparable, vous rejoindriez une équipe existante et une feuille de route existante. Ici, ce que signifie une métrique chez Zefir n'est pas encore décidé, et c'est vous qui en décidez.
Cela convient à l’état d’esprit d’un acteur, y compris de quelqu’un qui a déjà dirigé et qui souhaite retourner à la construction.

Processus d'embauche

• Projection avec David, Talent (30 min)

• Plongée approfondie avec Gabriel, responsable de l'ingénierie : votre expérience passée et ce que vous souhaitez ensuite (45 min)

• Entretien technique avec Diane, votre future manager : plateforme data, modélisation et suivi (1h)

• Entretien culturel avec Louis, co-fondateur, plus un échange informel avec un responsable de fonction (1h)

• Appels de référence, puis offre 🎉

Avantages
Ce qui suit s'adresse uniquement aux employés permanents. Pour les autres contrats (stagiaires, apprentis, CDD..), merci de vous renseigner auprès de votre recruteur.

• Salaire compétitif : Vous pouvez lancer votre propre simulation avec notre calculateur de salaire.

• BSPCE (Stock Options) : Accessible à tous, avec acquisition mensuelle après la première année, sur une période de 4 ans.…

Source : Arbeitnow (https://www.arbeitnow.fr/jobs/companies/zefir/founding-analytics-engineer-paris-74468)