Data engineer dans l'iGaming : pourquoi un casino a besoin de sa propre plateforme data

Dans un produit SaaS ordinaire, l'analytique peut avoir un jour de retard sans drame. Dans un casino en ligne, un jour de retard signifie que le media buyer dépense encore une journée de budget sur une source qui amène des bonus abusers, et que l'antifraude ne voit une série de retraits suspects qu'une fois l'argent parti. La plateforme data n'est donc pas une fonction support, mais une partie du circuit opérationnel — et celui qui la construit vaut plus cher que la moyenne du marché du data engineering.

En quoi les données d'un casino diffèrent de celles d'un produit ordinaire

La différence tient en trois points : le volume, le nombre de sources et le coût d'une erreur.

• La granularité des événements. L'unité de compte n'est ni la commande ni la session, mais le spin : mise, résultat, variation de solde, déclenchement d'une mécanique de bonus. Un opérateur moyen génère des dizaines de milliers de ces événements par seconde au pic du soir, et il les faut tous ventilés par joueur, jeu, fournisseur et devise.
• Une dizaine de sources externes, toutes différentes. La plateforme de jeu, les agrégateurs de contenu (chaque fournisseur de slots livre ses rapports dans son format et selon son calendrier), les prestataires de paiement, le processing crypto, les trackers du programme d'affiliation, la plateforme CRM, les comptes publicitaires. Aucun n'est tenu d'être cohérent avec les autres.
• Le prix d'un écart. Si le GGR du rapport fournisseur et celui de l'entrepôt de l'opérateur divergent de 0,4 %, ce n'est pas une « marge d'erreur » — c'est un litige financier avec une société externe et une question du directeur financier. Ici, la cohérence d'un chiffre vaut plus que l'élégance du pipeline.

Ce que le data engineer construit vraiment

Sur le papier : des pipelines ETL/ELT et des datamarts. En pratique : quatre circuits, chacun avec son client interne et ses exigences de fraîcheur des données :

• Marketing et affiliation. Cohortes par source, CPA contre LTV, reporting des paiements aux affiliés. L'attribution est cruciale : un même joueur arrive à la fois avec un code promo, un clic d'affilié et du retargeting.
• CRM et retention. Segments pour les envois et les campagnes de bonus, signaux de churn, coût des bonus. Le datamart doit se mettre à jour vite — la campagne de réactivation part le jour même où le joueur a cessé de se connecter.
• Antifraude et paiements. Des features pour les règles et les modèles : vélocité des dépôts, liens entre appareils, anomalies dans le schéma de mises. Le même flux de données, mais avec une exigence de latence en minutes, pas en heures.
• Compliance et régulateur. Reporting régulier sur l'activité de jeu, données pour les contrôles AML, prise en charge du droit à l'effacement RGPD et stockage séparé des données par juridiction. La partie ennuyeuse du travail, mais c'est sur elle que repose la licence.

Le sens business de ces chiffres est un métier à part : comment on les lit et sur quoi on s'appuie pour décider, c'est expliqué dans l'article sur l'analyste data en casino.

La stack et la semaine de travail type

Le jeu de technologies est prévisible : SQL et modélisation de données, Python, Kafka ou un autre outil de streaming, Airflow pour l'orchestration, dbt pour les transformations, un entrepôt colonnaire — ClickHouse, Snowflake ou BigQuery — plus Docker, Kubernetes et CI/CD. ClickHouse est nettement plus répandu dans le secteur que sur le marché en moyenne : il est peu coûteux sur de gros flux d'événements et répond vite, exactement ce qu'exige un cycle de décision quotidien.

Data engineer ou analyste BI : que choisir

Ces deux rôles siègent souvent dans la même équipe et se confondent dans les offres. La distinction est simple : l'ingénieur veille à ce que le chiffre arrive à temps et soit identique dans tous les rapports, l'analyste à ce qu'il signifie. L'ingénieur vit dans les pipelines et les modèles de données, l'analyste dans les dashboards, les hypothèses et les échanges avec le produit. À niveau égal, l'ingénieur gagne environ 10–15 % de plus : un analyste BI middle à Malte vaut €3.8–5.2K, un data engineer €4.2–5.8K. En contrepartie, l'analyste a un chemin plus court vers les rôles produit, l'ingénieur vers les rôles plateforme et de management.

Combien on paie

Les fourchettes ci-dessous sont en net mensuel, issues du répertoire des métiers SpinHire. La première colonne correspond à Malte et Chypre, la deuxième à la Pologne, la Roumanie et les pays baltes, la troisième au télétravail et aux hubs comme Tbilissi, Erevan et Kyiv.

S'y ajoute un bonus annuel, généralement de 10–15 % — plus modeste que pour les rôles marketing, où la part variable atteint la moitié de la rémunération, mais indépendant des performances du canal d'acquisition. Trois choses tirent la fourchette vers le haut : l'expérience de flux de dizaines de milliers d'événements par seconde, la capacité à calculer et réduire le coût de l'entrepôt, et la disposition à répondre des datamarts que consulte le régulateur. Les juniors sont rarement recrutés pour ce rôle : presque toutes les offres commencent au niveau middle, car personne ne veut former quelqu'un à la fois à l'ingénierie et au domaine.

Comment entrer depuis l'IT classique

C'est l'un des rares rôles de l'iGaming où l'on ne demande presque pas d'expérience du domaine. On vient du data engineering de n'importe quel secteur — fintech, e-commerce, télécoms — et du développement backend. Un parcours fintech est particulièrement apprécié : on y retrouve les mêmes exigences de cohérence des montants et d'audit des modifications.

1. La stack compte plus que le domaine. En tête du CV doivent figurer les volumes et les outils : combien d'événements par jour, quel entrepôt, quel orchestrateur. Les spécificités des métriques — GGR, NGR, coût des bonus — s'apprennent en un mois ou un mois et demi, directement sur le poste.
2. Anglais technique B1+. L'équipe est presque toujours distribuée, la documentation et les échanges avec les fournisseurs se font en anglais. On exige ici moins d'aisance orale que dans les rôles au contact des clients.
3. Préparez-vous à la question sur la qualité des données. En entretien, on vous demandera presque à coup sûr comment vous détectez les écarts et ce que vous faites des événements arrivés en retard. C'est l'examen principal pour ce rôle.

La mécanique générale de l'entrée dans le secteur — de la lecture des offres à la négociation salariale — est détaillée dans l'article sur le passage de l'IT classique à l'iGaming. Le rôle permet presque toujours le full remote : semaine classique en 5/2, et généralement pas d'obligation de bureau sur l'île.

Vers quoi évoluer

Vers le haut : Senior Data Engineer, puis Data Platform Lead avec une équipe de trois à six personnes, ensuite Head of Data et CDO. Latéralement : l'analytics engineering, plus proche du produit, la plateforme antifraude ou l'infrastructure ML pour les modèles de churn et le scoring des joueurs. La demande pour ce rôle reste élevée face à une pénurie de candidats ayant l'expérience de gros flux d'événements : c'est le cas où le goulot d'étranglement du marché joue en faveur du candidat.

La description complète du rôle, avec les missions, les KPI et les outils, se trouve sur la page du métier de data engineer, et les postes ouverts sont dans la rubrique Offres d'emploi SpinHire.

À lire aussi

MétiersDéveloppeur backend de la plateforme iGaming : stack, tâches et salairesMétiersProduct manager en iGaming : ce qui changeMétiersCountry manager chez iGaming : qui est responsable de l'ensemble du marchéDonnéesQui recrute dans iGaming : 20 principales entreprises et 5 620 postes vacantsCarrièreEntretien d'affiliate manager : questions, cas pratiques et tests