Chez Dialog, notre mission est de construire le meilleur agent de vente pour l'e-commerce.
Nous pensons que l'IA générative est l'occasion idéale d'apporter en ligne le meilleur de l'expérience en boutique :
une connaissance approfondie de la marque et de ses produitsdes conseils personnalisés à partir des commandes précédentesNous avons écrit la première ligne de code en janvier 2024, commencé à commercialiser en septembre 2024, et servons aujourd'hui plus de 100 clients payants. Nous opérons trois entités (France, Espagne, États-Unis) et nous les faisons grandir toutes les trois en même temps.
Mission
En tant que Stagiaire Analytics Engineer, tu répondras à une question simple en apparence : combien nous coûte chacun de nos clients ?
Trois enjeux majeurs passent par ce chiffre. Notre prochaine levée de fonds, pour laquelle le board attend une vision claire de nos coûts et de nos marges. Les LLM, notre premier poste de coût technique et notre plus grande dépendance. Et notre nouvelle grille tarifaire, qui doit être calibrée à une maille très fine (turn, conversation, client).
La stack analytics est déjà en place : dbt, semantic layer, Metabase, Langfuse, MCP analytics. Il manque la personne qui en tirera ces réponses.
Ce n'est pas un stage d'appui. Tes chiffres serviront directement à la levée de fonds et aux décisions de pricing, et tu les présenteras toi-même au CTO et au Chief of Staff. Tu seras rattaché·e à Romain, notre AI Engineer, qui a construit la stack analytics et t'accompagnera au quotidien.
Tu évolueras dans un environnement porté par le coding agentique, où tu apprendras les bonnes pratiques d'une compétence encore rare chez les jeunes diplômés.
Répartition indicative du temps :
60 % – Modélisation des coûts et de la marge (modèles dbt, règles d'allocation)15 % – Ingestion des sources manquantes (facturation AWS, PostHog, Stripe, Shopify Billing)10 % – KPI financiers (recueil des besoins, puis implémentation)10 % – Formation (stack, métier, pratiques agentiques)5 % – Prévisions (bonus)Ce que tu feras
Calculer le coût technique de chaque clientPartir des coûts LLM que Langfuse trace déjà pour chaque turn, et en tirer un coût par turn, par conversation et par client. Ingérer la facturation détaillée d'AWS et répartir les coûts d'infrastructure partagés entre les clients selon des règles documentées. Faire de même pour PostHog. Objectif : un coût technique complet par client et par mois, réconcilié avec les factures réelles.Construire la marge par clientIngérer les revenus de Stripe et de Shopify Billing, les unifier par client, et calculer la marge brute de chacun. La rendre accessible dans la semantic layer, interrogeable via le MCP analytics, avec une gestion fine des droits.Poser les KPI financiers de l'entrepriseRecueillir les besoins de reporting avec Baptiste, notre Chief of Staff, puis implémenter les principaux KPI financiers dans la semantic layer, sur le socle coûts et marge que tu auras construit.Bonus : se projeterSi le temps le permet, construire des prévisions financières selon différents scénarios, coûts compris, et estimer les futurs leads à partir de HubSpot.Tes interlocuteurs : Romain (AI Engineer, ton tuteur), Baptiste (Chief of Staff, besoins de reporting financier), Louis (CTO, destinataire de tes analyses de coûts et de marges), et les équipes ML et Backend, qui produisent les données d'usage et d'infrastructure.
Profil recherché
Formation : école d'ingénieurs, en stage de fin d'études de 6 mois.Indispensable :SQL : solide sur les bases (jointures, agrégations, filtres, CTE)Rigueur : tu préfères perdre 15 minutes à vérifier plutôt que d'envoyer un chiffre faux. Tu réconcilies tes totaux et documentes tes hypothèsesRésolution de problèmes : tu sais décomposer un problème flou en étapes, et tu as du recul sur tes propres compétencesGoût pour l'early stage : autonomie, curiosité, adaptabilité, à l'aise avec le chaos et les données incomplètesGros plus :Sens business et finance : tu as tenu les comptes d'une association ou d'une entreprise, et les notions de marge, MRR ou compte de résultat te parlentCoding agentique : tu as déjà utilisé un agent de code sur un vrai projet, ou le sujet te passionneApprécié :dbt, utilisé en école, en projet perso ou en stagePython, assez pour scripter une ingestion depuis une API (Stripe, Shopify, HubSpot)Savoir expliquer un chiffre et ses limites à des non-dataProcess de recrutement
Tout se passe en live, 3 h au total.
📞 Échange avec Baptiste, notre Chief of Staff (30 min) : parcours, motivation, usage actuel des agents de code et des outils data📊 Exercice SQL avec Romain, ton futur manager (1 h) : un jeu de données proche du nôtre (coûts LLM, facture AWS, revenus Stripe et Shopify), des questions progressives jusqu'à la marge par client, puis une restitution🤖 Entretien coding agentique avec un membre de l'équipe tech (1 h) : construire une petite brique avec un agent de code. On évalue la méthode, pas le résultat🤝 Entretien final avec Louis, notre CTO (30 min)Avantages
💰 Une rémunération compétitive : nous recrutons les meilleurs talents et proposons une rémunération alignée sur le marché.
🤝 Une culture d'équipe : toute l'équipe se retrouve chaque mois pour des événements, et deux fois par an pour des off-sites.
🏡 Travail hybride : nous recrutons des candidat·es basé·es à Paris, avec 3 jours par semaine au bureau.
🏙️ Des bureaux agréables : un bel espace lumineux en plein centre de Paris (2e), partagé avec d'autres startups (une vingtaine de personnes au total).
📦 Tout ce que tu peux attendre :
Une mutuelle premium avec AlanDes titres-restaurant SwileLe dernier équipement Apple50 % de remboursement des transports en communL'accès aux derniers outils (Claude Code, Codex…) et aux ressources (livres, formations) dont tu as besoinWellpassIntéressé·e, ou tu connais quelqu'un qui serait parfait pour ce poste ? Écris à romain@askdialog.com