Data Architect

Ce que vous ferez

Vous apporterez une expertise dédiée en architecture de données pour analyser le paysage de données d'une organisation éducative, produire sa cartographie et sa modélisation conceptuelle et logique, et co-concevoir une architecture de données cible et une feuille de route de mise en œuvre avec les équipes internes.

Il s'agit d'une mission d'architecture et de cadrage. Vous produirez des modèles, des options argumentées, des décisions documentées et une feuille de route actionnable. Vous analyserez le paysage existant, modéliserez le domaine, instruirez et argumenterez les options d'architecture de données, et dériverez une trajectoire priorisée. Vous travaillerez en soutien des analystes métier et des architectes d'entreprise, en traduisant leur cadrage métier en exigences et modèles de données, et en coordination permanente avec les architectes solution qui gèrent la couche applicative.

Vos activités incluront :

Cadrage et alignement

• Faciliter des ateliers avec les analystes métier et l'équipe programme
• Dériver les objets de données à partir des capacités métier et des processus identifiés par les analystes métier et les architectes d'entreprise
• Formuler les principes d'architecture de données applicables au programme et les aligner avec les principes d'entreprise

Analyse AS-IS

• Inventorier les sources de données : applications, données de référence, bases de données, fichiers, échanges avec les administrations et établissements
• Cartographier les flux actuels : producteurs, consommateurs, fréquences, mécanismes d'échange, dépendances
• Identifier les points de douleur : silos, redondances, ressaisie, latence, défauts de qualité, zones sans propriétaire

Modélisation du domaine

• Établir les modèles conceptuels puis logiques des objets métier centraux (élèves, personnel, établissements, structures d'enseignement, etc.)
• Identifier les données de référence, désigner les systèmes maîtres et clarifier les règles de propriété des données
• Produire un dictionnaire de données et les règles de qualité associées

Architecture cible

• Instruire les paradigmes réalisables (data hub, lakehouse, approche mesh fédérée, virtualisation) et les comparer dans le contexte des contraintes et ressources
• Confronter ces options avec les architectes d'entreprise, les architectes solution et le centre de compétence data : la cible n'est pas prédéterminée et doit résulter de ce travail collectif
• Établir les règles d'usage pour les patterns d'échange et d'exposition (API, event-driven, réplication, virtualisation, flux analytiques) : quel pattern pour quelle classe de besoin et sous quelles conditions
• Positionner l'architecture cible par rapport aux plateformes et services partagés et à la stratégie data de l'organisation
• Traduire les contraintes de sécurité, de protection des données personnelles, de souveraineté et de sobriété numérique en règles d'architecture applicables
• Veiller à ce que l'architecture choisie ne ferme pas les cas d'usage analytiques et IA (qualité, traçabilité, accessibilité des données), sans préempter des cas d'usage spécifiques

Prérequis de gouvernance des données

• Définir les fondations minimales de gouvernance nécessaires pour adopter l'architecture : rôles (data owner, data steward), instances, processus de décision
• Spécifier le référentiel de métadonnées et le catalogue documenté attendus, ainsi que la gestion des droits d'accès
• Décrire la mise en œuvre concrète du principe « une seule fois » pour le périmètre

Trajectoire et transfert

• Décomposer la cible en lots de travail cohérents et définir des architectures de données de transition intermédiaires
• Prioriser la feuille de route selon la valeur métier et le risque, en cohérence avec le calendrier du programme
• Assurer le transfert de connaissances vers les équipes internes afin que les livrables restent utilisables après la fin de la mission

Ce que nous recherchons

Compétences et expérience essentielles

• Modélisation conceptuelle et logique de données niveau expert : entité-relation / Merise, UML, ArchiMate ; modélisation dimensionnelle
• Cartographie de paysages de données niveau expert : sources, flux, applications, données de référence ; analyse d'écarts
• Compréhension niveau expert des paradigmes d'architecture de données : hub, lakehouse, data mesh, data fabric, virtualisation ; capacité à les comparer et à arbitrer dans un contexte contraint
• Connaissance niveau expert des données de référence et de la qualité : MDM, systèmes maîtres (SoR), dictionnaire de données, catalogue d