Alfred Technologies est une entreprise canadienne « AI-FIRST », dont le siège social est situé à Québec qui est reconnue parmi les 100 meilleures startups en IA au Canada en 2025 et soutenue par Scale AI.

La force de notre solution réside dans la maîtrise des contextes affectant les opérations de logistique en utilisant l'intelligence artificielle pour effectuer une gestion serrée des opérations. Nos technologies se sont illustrées dans la gestion d'environnements à pression extrême et hautement variables comme l'optimisation des opérations du Grand Prix de Formule 1 du Canada ou du Festival d'Été de Québec, des hôtels prestigieux de la chaîne hôtelière Fairmont ou encore des nombreux événements tenus dans l’amphithéâtre du Lightning de Tampa Bay.

‍

Le rôle : faire circuler la donnée, du capteur jusqu'au modèle

Nous cherchons un·e Ingénieur.e Data pour concevoir, optimiser et opérer les pipelines qui alimentent nos modèles d'IA et nos tableaux de bord temps réel. Tu construis la plomberie, tu la maintiens en production, et tu garantis que la donnée arrive propre, fraîche et fiable aux équipes qui en dépendent.

Tu auras le Full Ownership de tes pipelines. De l'ingestion brute jusqu'au dataset prêt-à-entraîner, tu décides de l'architecture, tu écris le code Python, tu provisionnes l'infrastructure en Terraform, tu surveilles l'exécution. Quand un pipeline casse à 2h du matin, c'est toi qui sais où regarder, parce que c'est toi qui l'as construit.

Comme nous évoluons vite, nous tirons parti des outils de programmation assistée par IA (principalement Claude-Code) et nous pratiquons le « vibe coding » de manière responsable. Tu utilises l'IA pour coder plus intelligemment, automatiser plus, et te concentrer sur ce qui compte : la fiabilité de la donnée en production.

Les responsabilités

- Pipelines ETL/ELT — Concevoir, implémenter et optimiser des pipelines qui ingèrent, transforment et gèrent de grands volumes de données structurées et non structurées (Airflow, dbt, Glue).





- Infrastructure AWS — Architecturer et maintenir une plateforme de données évolutive sur AWS (ECS, EKS, S3, RDS, Lambda, Glue, Athena, Kinesis), provisionnée en Infrastructure-as-Code

(Terraform).

- Temps réel — Travailler les flux d'événements (Kafka/Kinesis) pour garantir des mises à jour faible latence aux tableaux de bord et aux recommandations propulsées par l'IA.

- Datasets pour l'IA/ML — Collaborer avec les équipes IA pour préparer des jeux de données propres, versionnés et fiables, prêts pour l'entraînement et l'inférence.

- Observabilité & fiabilité — Mettre en place la surveillance, le logging et l'alerting de tes pipelines (Datadog) pour viser une haute disponibilité en production.

- DevOps & CI/CD — Automatiser les déploiements via GitLab CI/CD, appliquer les pratiques GitOps

, garder la chaîne build → test → deploy fluide.

- Gouvernance & sécurité — Assurer la conformité aux politiques de gouvernance, sécurité et confidentialité des données.

‍

Stack technique

Langages & pipelines

- Python (principal), Java ou Scala selon les besoins
- Airflow, dbt, AWS Glue (ETL/ELT)
- SQL avancé

Infrastructure AWS

- ECS, EKS, Lambda, S3, RDS, Glue, Athena
- Kinesis et Kafka (MSK) pour le streaming
- Terraform (IaC)

Bases de données

- PostgreSQL (relationnel, optimisation, indexation)
- MongoDB (documentaire)

DevOps & livraison

- Docker, Kubernetes
- GitLab CI/CD, workflows GitOps
- Datadog (observabilité, logs, traces, alerting)

En aval de toi (les équipes que tu alimentes)

- Équipes IA/ML (entraînement, inférence, agents).
- Équipes produit (tableaux de bord, features data-driven).




- Tu construis la plateforme qu'elles consomment ; tu décides de la forme des datasets et des contrats d'API.

‍

Profil recherché "L'opérateur"

- Fiabilité & sens de la production — Pour toi, un pipeline qui marche en dev mais casse en prod n'est pas un pipeline. Tu penses observabilité et reprise sur erreur dès la conception.
- ‍ Ownership de bout en bout — Tu as déjà construit et maintenu des pipelines de production de A à Z. Tu sais quand trancher seul·e et quand chercher du feedback.
- Maîtrise Python (ou Java/Scala) pour la donnée — Tu codes proprement, tu testes, tu documentes les contrats entre étapes.
- AWS solide — ECS/EKS, Lambda, Kinesis, S3, Glue, Athena, RDS — tu navigues sans hésitation et tu sais quel service choisir pour quel besoin. ‍
- DevOps de terrain — CI/CD GitLab, GitOps, Terraform, Docker, Kubernetes — tu n'as pas besoin qu'on te tienne la main sur l'IaC. ‍
- Bases de données — SQL avancé sur PostgreSQL (plans d'exécution, indexes, partitionnement), à l'aise avec MongoDB pour le documentaire. ‍
- Sens des données pour l'IA/ML — Tu comprends comment structurer et préparer un dataset pour qu'il soit utile à un modèle, pas juste propre. ‍
- Langues de travail — Maîtrise du français à l'oral et à l'écrit (essentiel). Anglais professionnel (atout fort).

‍

Atouts supplémentaires

- Expérience avec architectures événementielles (Kafka, Kinesis) à l'échelle.
- Analytique temps réel ou traitement de flux ( stream processing ).
- Plateformes IA/ML (SageMaker, feature stores , vector DBs ).

‍

Ce que nous offrons

- L'opportunité de travailler sur des projets d'envergure et à fort impact pour des événements internationaux.
- Un environnement collaboratif et agile, orienté "production-first".
- Des conditions de travail flexibles : siège social à Québec, mode hybride (2 jours par semaine dans notre magnifique bureau de Saint-Roch).
- Un salaire compétitif, des avantages sociaux, des opportunités d'octroi d'options d'actions et des actions concrètes de développement professionnel.

📌 Ingénieur Data — Pipelines & Plateforme (AWS, Python) (Quebec City)
🏢 Alfred Technologies | AI-Powered Food and Beverage
📍 Quebec City