Entourage Recrutement
Actualités24 sept. · Wealthcome lève 15 millions d'euros en série B pour concurrencer Harvest auprès des grands comptes.
Cas client · DataManagement de transition

Un Tech Lead Data Cloud IA pour un gérant quantitatif

Cloud AWS, Python avancé, infrastructure-as-code et données temps réel, face à des équipes de chercheurs : trois candidats présentés en cinq jours, une mission de deux ans.

Par Helder Alturas, co-fondateur

  • 5 jourspour présenter trois candidats qualifiés
  • 2 ansde mission pour le consultant retenu
  • 10 Md$et plus d'actifs sous gestion chez le client
  • 6 critèresdans la grille d'évaluation

Le besoin

Une plateforme de données temps réel, au cœur de la performance.

Le client est un acteur mondial de la gestion d'actifs quantitative, actif depuis plus de trente ans. Ses stratégies reposent sur des modèles systématiques, des algorithmes propriétaires et l'exploitation de données en temps réel.

La donnée y est au cœur du modèle de performance : la capter, la traiter, la fiabiliser et la mettre à disposition conditionne la qualité des signaux de la recherche quantitative, et les décisions de trading.

Le client cherchait un profil plus hybride qu'un Cloud Engineer ou un DevOps généraliste, à réunir en un seul consultant :

Face à lui, des équipes internes composées de docteurs, de data scientists et de chercheurs, et une mission longue, en prestation.

Notre démarche

Repositionner, cartographier, qualifier, comparer.

  1. Repositionner le besoin

    L'intitulé « Data Engineer » attirait des candidats solides sur les flux, moins sur l'architecture cloud et l'infrastructure-as-code. Nous avons repositionné le besoin autour d'un Tech Lead Data Cloud IA, qui assume la dimension hybride du poste et désigne les bons viviers.

    Cinq piliers prioritaires : le cloud AWS, un Python avancé, l'infrastructure-as-code, l'architecture de données temps réel et la capacité à faire monter les équipes en compétences. L'expérience exacte en finance quantitative, une certification AWS, une pratique formelle du data mesh ou un outil précis restaient des atouts secondaires.

  2. Cartographier cinq viviers

    1. La finance à forte intensité de données

      Sociétés de gestion, banques d'investissement, market data, fintechs, plateformes de trading, analyse de risques : des contraintes proches de celles du client.

    2. Les Data Platform Engineers

      À l'intersection du data engineering, du cloud et de l'infrastructure. Point de vigilance : la profondeur côté cloud.

    3. Les développeurs Python orientés data

      Pertinents avec une vraie culture infrastructure. Point de vigilance : l'autonomie sur AWS et l'infrastructure-as-code.

    4. Cloud, DevOps et SRE

      Utiles pour AWS, l'infrastructure-as-code et l'industrialisation ; les profils trop éloignés de la donnée ont été écartés tôt.

    5. Les recommandations

      Le réseau, activé pour repérer des consultants reconnus pour leur fiabilité, leur autonomie et leur profondeur technique.

  3. Approcher avec un discours technique

    Le marché était trop étroit pour une approche de masse. Chaque approche décrivait la mission avec précision : la plateforme temps réel à construire, un rôle de build, l'exposition au Head of Data, la collaboration avec des chercheurs, la place d'AWS et de Python, la durée et le niveau d'autonomie attendu.

    Les freins ont été vérifiés dès le premier échange :

    • La disponibilité et le TJM
    • L'appétence pour la finance quantitative
    • La capacité à passer un process technique exigeant
    • La compatibilité avec une mission longue
    • Le niveau d'anglais
    • L'aisance dans un environnement scientifique

  4. Qualifier derrière les mots-clés

    Mentionner AWS, Terraform ou Python renseigne peu sur le niveau réel. Nous avons approfondi les expériences concrètes : services AWS utilisés, responsabilité dans l'architecture, part de build et de run, outils d'infrastructure-as-code, pipelines, volumétrie, contraintes de latence, autonomie et transfert aux équipes.

    La prestation ajoutait une exigence : être utile vite. Autonomie, rapidité de compréhension, documentation, pédagogie face à des profils très experts et motivation réelle pour la finance, la mission longue et le rôle de Tech Lead ont été évaluées une à une.

  5. Comparer trois candidats en cinq jours

    Trois candidats qualifiés ont été présentés en cinq jours, chacun sur un angle différent du besoin, pour comparer plusieurs équilibres entre expertise cloud, proximité sectorielle, données temps réel et leadership technique.

    • Finaliste

      Le profil de l'écosystème AWS

      Très solide sur l'architecture AWS, l'infrastructure-as-code, l'industrialisation et l'automatisation. Son exposition aux données temps réel d'un environnement de finance quantitative était moins directe.

    • Retenu

      Le profil d'un asset manager international

      Il travaillait déjà sur une plateforme de données temps réel à destination d'investisseurs et de traders : fiabilité, fraîcheur, disponibilité, exigence des utilisateurs.

      Culture data, expertise infrastructure, excellent Python, dialogue avec la recherche et posture de référent technique : la combinaison a fait la différence.

    • Finaliste

      Le profil d'un autre asset manager

      Une bonne compréhension des enjeux finance, data et infrastructure, et une vraie proximité sectorielle. Le profil retenu offrait un meilleur équilibre global.

  6. Un process technique, une mission de deux ans

    Le process reflétait l'exigence du client : plusieurs échanges techniques, deux tests techniques, un test algorithmique, une évaluation du raisonnement et du code. Nous avons préparé le candidat, suivi chaque retour et sécurisé le TJM, la disponibilité et la durée jusqu'à la décision.

    Le consultant retenu a mené une mission de deux ans :

    • Mise en place de l'architecture cloud data
    • Construction des briques de données temps réel
    • Accompagnement de la transformation AWS
    • Fiabilisation de la plateforme
    • Support aux usages data science et algorithmie
    • Montée en compétences des équipes internes
    • Transfert de bonnes pratiques
    • Structuration d'un socle technique plus robuste

    Le management de transition, en Finance et en IT

La grille d'évaluation

Six critères d'évaluation.

Une grille centrée sur ce qui prédit la réussite de la mission.

  • Cloud AWS et infrastructure-as-code

    Concevoir et industrialiser une infrastructure robuste : CDK, Terraform ou SDK, sécurité, scalabilité, briques réutilisables.

  • Niveau Python

    Profondeur de développement, qualité de code, usage en environnement data, travail avec des équipes scientifiques.

  • Architecture de données temps réel

    Flux critiques, volumétrie, performance, fiabilité, et exposition à des métiers où la donnée est décisive.

  • Culture IA et data science

    Comprendre les usages qu'il sert et dialoguer avec des data scientists et des chercheurs.

  • Autonomie en prestation

    Expérience de mission, organisation, rapport à la livraison, capacité à s'inscrire dans la durée.

  • Pédagogie et transfert

    Faire monter les équipes internes en compétences, en plus de livrer.

Construire une scorecard de recrutement : la méthode et le modèle

Notre lecture du marché

Un profil à l'intersection de plusieurs marchés.

Des profils AWS, Python ou Terraform, le marché en compte beaucoup. Ceux qui ont tenu une architecture de données temps réel en finance quantitative sont rares : le bon candidat se situait à la croisée de plusieurs familles, qu'une recherche par intitulé de poste aurait laissées de côté.

01

Les familles croisées par la recherche

Nous confier une recherche

Un profil Cloud, Data Platform ou IA à sécuriser en transition ?

Réponse sous 24 h ouvrées.

Un consultant Entourage vous recontacte sous 24 heures ouvrées pour qualifier la mission. Vos données restent strictement confidentielles, et leur partage avec un tiers est exclu.

  • Réponse sous 24 heures ouvrées
  • Premiers profils sous 48 heures (freelance) ou sous 10 jours (CDI)
  • Facturation à l'acceptation de l'offre, et à ce moment seulement
  • Remboursement intégral si le candidat renonce finalement au poste
4,9/5 sur Google· lire les avis
  • Suez
  • Deezer
  • Diptyque
  • Ecomaison
  • GG Vie
  • Adenes

Pour aller plus loin

Les pages liées à ce cas.

D'autres cas clients

À propos de l'auteur

Helder Alturas

Helder AlturasLinkedIn

Co-fondateur d'Entourage Recrutement

Douze années de recrutement sur les métiers de l'IT ont mené Helder à co-fonder Entourage Recrutement. Il y pilote les missions freelance et le management de transition Tech, de l'ingénierie logicielle aux directions des systèmes d'information.

Toute l'équipe