Venez nous aider à créer la solution de gestion financière qui booste les PME et les indépendants.
Nous créons des expériences utilisateur fluides, des API scalables et des services bancaires solides. Objectif : aider les PME et les indépendants à booster leur productivité.
Nous comptons déjà plus de 200 talents, venus de tous les continents : ingénieurs Back-End et Front-End, experts Data, IT, mobile, SRE et sécurité.
Notre équipe rassemble des talents de toutes origines, français et internationaux. Tous passionnés par leur métier et notre environnement. Découvrez leurs parcours !
Votre spécialité se trouve peut-être parmi nos secteurs d'activité.
Design | Product management | Product Marketing
Growth Acquisition | Growth Operations | Expansion internationale | Marketing & Communication | Sales
Back-office | Fraude | Customer support
Compliance | People | Strategy | Finance | Legal
Pourquoi la Data Science est devenue importante pour les entreprises ?
La digitalisation de l’économie a entrainé une hausse exponentielle des informations collectées et stockées au sein des systèmes informatiques des entreprises sur leurs prospects, leurs clients, leurs concurrents, etc. C’est ce que l’on appelle communément le « Big Data ».
Or, la collecte de ces données brutes n’est d’aucune utilité pour une société en l’état. Par conséquent, trouver un moyen de les exploiter et d’en tirer profit pour soutenir la croissance de son activité constitue un véritable enjeu. C’est là qu’intervient la Data Science et plus précisément le Data Scientist.
En effet, le Data Scientist s’attache à développer des outils capables de conserver uniquement les données les plus fiables et les plus pertinentes afin de les transformer en éléments stratégiques pour les autres départements de l’entreprise.
Pour ce faire, la Data Science couvre l’intégralité du parcours des données :
✓ La collecte omnicanal ;
✓ Le nettoyage ;
✓ La classification et la synthétisation pour faciliter leur exploitation ;
✓ La recherche de schémas récurrents pour réaliser des prédictions ;
✓ La création de tableaux de bord pour aider les managers dans la prise de décisions.
Quel est le rôle d’un Data Analyst ?
Au sein de l’équipe « Big Data », le Data Analyst a pour mission d’exploiter et d’interpréter l’ensemble des données collectées. Ses reportings servent de support à la prise de décisions pour les dirigeants de l’entreprise et ils orientent la stratégie marketing de la société.
Voici les principales missions qui rythment le quotidien d’un Data Analyst :
✓ Extraire les données pertinentes parmi toutes celles collectées par le Data Engineer ;
✓ Intégrer ces données au sein d’un espace dédié pour pouvoir les traiter ;
✓ Sélectionner les KPIs et réaliser des dashboards pour analyser la performance ;
✓ Développer des requêtes pour automatiser les process ;
✓ Communiquer ses recommandations aux managers des différentes équipes.
Par ailleurs, le Data Analyst se retrouve confronté à un défi : développer de nouveaux outils pour pouvoir traiter la masse de données que collecte une entreprise. En effet, un grand nombre de ces données demeurent inutilisées à ce jour.
Pour analyser efficacement les données, le Data Analyst doit s’appuyer sur d’excellentes compétences statistiques et maîtriser différents logiciels et langages comme SAS, SQL, VBA, Access ou R.
Qu’est-ce qu’un Data Engineer ?
Au sein de l’équipe Tech & Growth, le Data Engineer travaille en étroite collaboration avec le Data Scientist. En effet, le Data Engineer se charge de préparer la structure pour collecter les données afin que le Data Scientist puisse les exploiter.
Par conséquent, le Data Engineer correspond au premier maillon du traitement des données au sein de l’entreprise.
Le principal enjeu de ce métier consiste à traiter des volumes de données conséquents tout en garantissant un excellent niveau de sécurité. Pour ce faire, il doit effectuer une gestion quotidienne des systèmes de traitement des données pour s’assurer de leur qualité et de leur pertinence.
Outre la collecte des données, le travail du Data Engineer requiert également leur nettoyage. En effet, stocker des données inexploitables surcharge inutilement les réseaux.
Pour remplir sa mission, un Data Engineer doit maîtriser certaines compétences techniques indispensables telles que :
✓ L’architecture de base de données ;
✓ Les outils de modélisation ;
✓ Le code et plus spécifiquement Python, Java et C/C++ ;
✓ Les technologies SQL et NoSQL ;
✓ L’intelligence artificielle.
Quel est le rôle d’un Développeur Frontend ?
Un Développeur Frontend travaille sur la programmation de l’interface utilisateur d’un site Internet ou d’une application afin d’offrir une navigation ergonomique, fluide et agréable pour les utilisateurs.
Sa mission exige qu’il possède d’excellentes compétences en design, mais également une maîtrise des langages de développement web (CSS, HTML et JavaScript) et des frameworks (JQuery, React ou Angular).
Les principales tâches qu’accomplit un Développeur Frontend au quotidien sont :
✓ Créer des pages web conformément aux maquettes fournies par l’équipe Design ;
✓ Contrôler que le site Internet soit responsive afin de proposer une expérience similaire à tous les utilisateurs, quel que soit le support ;
✓ Respecter scrupuleusement les normes W3C tout en optimisant la vitesse de chargement du site ;
✓ Intégrer les différentes balises indispensables au référencement sur les moteurs de recherche.
Outre sa collaboration incontournable avec le Développeur Backend pour réaliser le site web ou l’application, le métier de Développeur Frontend implique de travailler conjointement avec :
✓ UX/UI Designer ;
✓ Webdesigner ;
✓ Business Developer ;
✓ Product Manager ;
✓ SEO Manager.
Qu’est-ce qu’un Machine Learning Engineer ?
À l’image du Data Scientist, le Machine Learning Engineer possède d’excellentes compétences pour le traitement des données et la mise en place de modélisations complexes pour travailler des systèmes de données dynamiques.
Son rôle au sein de l’équipe Tech & Growth consiste à implémenter des modèles prédictifs qui fonctionnent de façon automatique à l’aide de logiciels « self-running ». En effet, le Machine Learning s’appuie sur la capacité de la machine à « apprendre » afin d’affiner les prévisions en fonction des opérations déjà réalisées.
Le travail du Machine Learning Engineer permet donc d’améliorer la précision des algorithmes tout en réduisant les risques d’erreur grâce à l’absence d’intervention humaine dans ces opérations.
Au quotidien, le Machine Learning Engineer œuvre en étroite collaboration avec d’autres membres de l’équipe Tech & Growth comme les Data Scientists, les ingénieurs logiciels et les Data Engineers, ainsi qu’avec les spécialistes UX/UI au sein du département Product & Design.
Quelles sont les qualités d’un Growth Engineer ?
Très souvent confondu avec le Growth Hacker, le Growth Engineer se charge de la mise en place technique des projets de l’équipe Growth et Marketing. Sa principale mission consiste à s’assurer que ces projets soient implémentés de façon qualitative et scalable.
Pour remplir sa mission avec brio, un Growth Engineer doit justifier d’une solide expérience en tant que développeur full-stack pour obtenir la confiance de l’équipe technique.
De plus, il doit faire preuve d’un réel attrait pour des sujets business afin d’être en mesure de traduire les besoins de l’entreprise en implications techniques.
Le Growth Engineer doit également posséder des compétences en marketing et maîtriser des disciplines comme le SEO et le SEA pour assurer une parfaite gestion du site Internet de la société.
Autre qualité indispensable au métier de Growth Engineer : la communication. En effet, son rôle transverse lors du développement d’un projet impose qu’il soit en mesure de coordonner tous les intervenants : Product, Tech, Growth, Marketing, Operations, etc.