Booking.com Data Scientist: mots-cles CV et preparation entretien

Vous postulez à des offres de data scientist chez Booking.com et votre CV ne passe jamais le premier filtre. Le problème vient rarement de votre niveau technique. Il vient presque toujours du vocabulaire utilisé, de la mise en forme, et d'un CV qui raconte des missions au lieu de résultats.

Booking.com recrute surtout depuis Amsterdam, avec quelques équipes ailleurs. Les offres sont publiées en anglais, le travail se fait en anglais, et les intitulés de postes suivent la terminologie anglo-saxonne. Si votre CV est en français avec des mots-clés français, il ne correspond pas à ce que les recruteurs cherchent.

Lire l'offre avant d'écrire votre CV#

Chaque offre de data scientist est différente. Une équipe pricing ne cherche pas la même chose qu'une équipe search ranking ou qu'une équipe fraud detection. Avant de modifier quoi que ce soit, sortez le vocabulaire exact de l'annonce.

Ouvrez l'offre qui vous intéresse et listez les compétences citées deux fois ou plus. Ce sont ces mots-là qui doivent apparaître dans votre CV, en toutes lettres, avec la même graphie. Si l'annonce écrit "experimentation", n'écrivez pas "A/B tests" à côté sans jamais mentionner le terme d'origine.

Un décodeur d'offre d'emploi peut vous faire ce travail de tri en quelques secondes, et vous montre quels mots-clés l'algorithme de sélection va chercher en priorité.

Les mots-clés qui reviennent dans ce type de poste#

Sans prétendre décrire un processus interne que je ne connais pas, on peut s'appuyer sur ce que les offres publiques de data scientist dans le e-commerce et le voyage mettent en avant. La liste ci-dessous couvre le socle technique le plus souvent cité :

• SQL, et un niveau avancé de requêtes sur de gros volumes de données
• Python, avec pandas, scikit-learn, et parfois PySpark ou Spark
• Statistiques : régression, tests d'hypothèses, intervalles de confiance
• Experimentation, A/B testing, méthodes causales, calcul de la puissance statistique
• Machine learning supervisé : classification, régression, feature engineering
• Communication des résultats à des équipes non techniques
• Visualization et storytelling data, souvent via Looker, Tableau ou des notebooks
• Cloud (GCP, AWS ou Azure selon les équipes) et outillage type Git, Airflow

Deux erreurs reviennent. La première : empiler tous ces mots dans une section "compétences" sans jamais les montrer en contexte. La deuxième : lister des outils que vous n'avez jamais utilisés en vrai, ce qui se voit dès la première question technique.

Un exemple de bullet réécrit#

Prenons une phrase qu'on lit tout le temps dans les CV de profils data.

Avant : "Responsable de projets de data science et d'analyses prédictives pour les équipes métier."

Après : "Conçu et mis en production un modèle de prévision de la demande pour [x] marchés, réduit l'erreur de prévision de [x] % sur [x] mois, utilisé chaque semaine par l'équipe [nom de l'équipe] pour ajuster les seuils de [décision précise]."

La deuxième version dit trois choses : la technique, le chiffre, l'usage réel. Les crochets sont à remplacer par vos vrais chiffres. Si vous n'avez pas le chiffre exact, donnez une fourchette honnête plutôt qu'un nombre inventé, car le recruteur vous demandera comment vous l'avez calculé.

Le même travail s'applique à vos expériences plus anciennes. Un stage transformé en deux bullets résultats vaut mieux qu'une demi-page de description de mission.

Adapter votre CV sans le déformer#

Le CV doit matcher l'offre, pas l'imiter. Voici une méthode simple à appliquer avant chaque candidature :

• Copiez l'offre dans un analyseur de mots-clés d'annonce pour repérer les termes récurrents
• Vérifiez que ces termes apparaissent dans vos trois ou quatre bullets les plus récents
• Placez vos compétences techniques en haut de page, visibles sans scroller
• Gardez une seule colonne, des titres de section standards, aucune icône ni couleur de fond
• Écrivez les intitulés de postes et les compétences en anglais si vous postulez sur une offre rédigée en anglais
• Retirez tout ce qui ne sert pas l'offre visée, même si c'est un projet dont vous êtes fier

Un test de compatibilité avec les logiciels de recrutement automatiques vous indique si votre fichier est lisible par un outil de tri automatique. Beaucoup de CV tombent à cause de la mise en page, pas du contenu. Tableaux, colonnes multiples, en-têtes en images : tout ça peut être mal lu. Vérifiez aussi le format du fichier, et gardez une version PDF et une version Word propres.

Préparer l'entretien sans spéculer#

On ne peut pas prévoir exactement quelles questions tomberont, et se perdre dans des témoignages contradictoires sur internet fait perdre du temps. Ce qui se prépare sans risque d'erreur, c'est votre propre matière.

Travaillez trois projets de votre parcours jusqu'à les raconter de mémoire : le contexte, la donnée disponible, la méthode choisie, les alternatives écartées, le résultat, ce que vous referiez autrement. Ensuite, révisez les fondamentaux que n'importe quel data scientist senior peut vous poser : biais d'une expérience mal randomisée, différence entre corrélation et causalité, comment vous choisissez une métrique de succès, comment vous détectez un data drift.

Préparez aussi vos questions pour eux. Demandez comment les équipes data travaillent avec le produit, comment les expérimentations sont arbitrées, quel est le périmètre du poste les six premiers mois. Ce sont de bonnes questions parce qu'elles montrent que vous pensez au travail, pas au titre.

Un exemple de réponse à "racontez un projet où votre analyse a changé une décision"#

Voici une structure que j'ai vu fonctionner, à adapter avec votre expérience réelle.

"Dans mon poste précédent, l'équipe marketing hésitait entre deux canaux pour une campagne européenne. J'ai d'abord vérifié la qualité des données de conversion, parce que les chiffres d'attribution ne collaient pas avec la marge réelle. J'ai reconstruit une métrique de marge par commande, comparé les deux canaux sur [x] semaines, et l'écart était de [x] % après correction du biais de sélection. J'ai présenté le résultat à l'équipe avec l'hypothèse principale et deux limites du modèle. La décision a été de réallouer [part du budget] vers le canal [nom], et j'ai suivi l'impact sur [métrique] pendant [durée]."

Cette réponse marche parce qu'elle montre votre jugement, pas seulement votre technique. Elle donne un chiffre vérifiable, une limite assumée, et un suivi après décision. C'est exactement ce qu'on attend d'un data scientist qui travaille avec des équipes produit.

Les contraintes du marché français et européen#

Si vous postulez depuis la France pour Amsterdam, deux points changent la donne. Le premier est la mobilité : la plupart des offres de data scientist publiées par Booking.com visent des profils capables de travailler aux Pays-Bas, et les conditions de permis de travail dépendent de votre nationalité. Vérifiez toujours les règles actuelles sur les sites officiels néerlandais et sur la page carrière de l'entreprise, car les dispositifs fiscaux et les conditions de visa évoluent régulièrement.

Le deuxième point est le salaire. Les fourchettes annoncées pour un poste de data scientist à Amsterdam varient beaucoup selon le niveau d'expérience, le package global et la politique de l'entreprise à un instant donné. Les chiffres qu'on lit en ligne sont souvent approximatifs ou anciens. Pour avoir un ordre de grandeur fiable, croisez les fourchettes affichées sur les offres récentes et les sources officielles, et posez la question tôt dans le processus.

Enfin, pour les postes basés en France ou en remote partiel, le marché est plus étroit et les processus différents. Une recherche ciblée sur les offres data science actuelles vous donnera une image honnête de ce qui existe près de chez vous plutôt que des souvenirs d'il y a deux ans.

Outils gratuits#

• jobrise.io/fr/free-ats-checker/
• jobrise.io/fr/free-jd-decoder/
• jobrise.io/fr/jobs/
• jobrise.io/fr/blog/

Questions fréquentes#

Faut-il parler néerlandais pour postuler chez Booking.com ?

Le néerlandais n'est en général pas requis pour les postes de data scientist, l'anglais étant la langue de travail. Cela dit, vérifiez la formulation exacte de chaque offre, car certaines équipes proches du marché local peuvent demander une langue supplémentaire.

Quel salaire espérer pour un poste de data scientist chez Booking.com ?

Les fourchettes varient selon le niveau d'expérience, la localisation et la composition du package global, et les chiffres publiés en ligne sont rarement à jour. Reportez-vous au montant affiché sur l'offre et aux sources officielles pour une information fiable.

Combien de temps dure le processus de recrutement ?

Cela dépend de l'équipe, du nombre d'étapes et de votre disponibilité, et je ne vais pas inventer une durée moyenne. Demandez le calendrier prévisionnel au recruteur dès le premier échange pour planifier vos autres candidatures.

Faut-il envoyer un CV d'une page ou deux ?

Une page convient en début de carrière, deux pages restent acceptables si vous avez plus de huit ans d'expérience pertinente. Dans tous les cas, la partie la plus importante doit tenir sur le premier tiers de la page.

Comment savoir si mon CV passe les filtres automatiques ?

Testez votre fichier avec un outil de vérification de compatibilité avec les logiciels de recrutement, puis relisez le résultat pour voir quelles sections sont mal interprétées. En parallèle, comparez votre CV au texte de l'offre pour vérifier que le vocabulaire technique correspond.