Capgemini AI Engineer: mots-cles CV et preparation entretien

Votre candidature pour un poste Capgemini AI Engineer part dans le vide, et vous ignorez si le problème vient du CV, des mots-clés ou de l'entretien. Souvent, la cause est simple: votre CV ne parle pas le langage de l'offre.

Rien de mystérieux derrière cela. Une grande structure de conseil recrute pour des missions précises, chez des clients aux secteurs variés. Le recruteur cherche à savoir, en trente secondes, si vous savez livrer un projet IA concret.

Ce que le poste recouvre selon les offres#

Le titre "AI Engineer" regroupe des réalités différentes. Sur certaines offres, il s'agit de concevoir et entraîner des modèles. Sur d'autres, l'accent porte sur le déploiement, l'industrialisation, les pipelines de données, ou l'intégration de modèles de langage dans des applications existantes.

La bonne approche: lire l'offre mot pour mot et repérer la dominante. Machine learning classique, NLP, vision, MLOps, LLM et RAG, data engineering. Votre CV doit mettre en avant la dominante correspondante, pas tout lister à égalité.

Une précision utile pour le marché français. Dans les ESN, l'intitulé varie: Ingénieur IA, ML Engineer, Data Scientist, Consultant IA. Un même poste peut inclure des déplacements chez le client, un travail en équipe pluridisciplinaire, et parfois une part d'avant-vente. Si l'offre ne le précise pas, posez la question en entretien plutôt que d'imaginer.

Les fourchettes de rémunération annoncées pour les profils IA varient beaucoup selon l'expérience, la ville, et le type de mission. Ne vous fiez à aucun chiffre unique. Vérifiez les offres récentes et les sources officielles du pays concerné, car les niveaux diffèrent entre la France, la Belgique, le Canada ou l'Inde, où le groupe est aussi présent.

Extraire les mots-clés de l'offre#

Avant de réécrire quoi que ce soit, isolez les termes récurrents de l'annonce. Un décodeur d'offre peut vous faire gagner du temps sur cette étape, notamment l'outil gratuit de lecture d'offres proposé par jobrise. L'objectif n'est pas de copier l'annonce, mais de savoir quels mots un filtre automatique pourrait rechercher.

Concrètement, sortez trois listes:

• les outils nommés explicitement, par exemple Python, TensorFlow, PyTorch, scikit-learn, Docker, Kubernetes, SQL
• les compétences attendues, par exemple mise en production de modèles, feature engineering, évaluation de modèles, CI/CD, cloud
• le contexte métier, par exemple secteur bancaire, assurance, industrie, retail, secteur public

Gardez les mots-clés qui décrivent réellement votre expérience. Un CV bourré de termes que vous ne pourrez pas défendre en entretien se retourne contre vous.

Reformuler une expérience pour qu'elle parle au recruteur#

La majorité des CV que je lis listent des tâches. Or une tâche ne dit rien de votre niveau. Ce qui compte: le problème traité, votre rôle, la méthode, le résultat.

Exemple concret. Voici une formulation fréquente, et la version retravaillée.

Avant:

• Participation à un projet de prédiction de churn, travail sur les données et les modèles de machine learning.

Après:

• Conception d'un modèle de prédiction de désabonnement sur un portefeuille client B2C, de la collecte des données au déploiement: nettoyage et création de variables sur 18 mois d'historique, comparaison de trois familles de modèles, mise en production via une API FastAPI suivie par l'équipe data du client. Résultat: amélioration de la précision de 12 points par rapport à la référence interne, mesurée sur trois mois de données réelles.

Les chiffres ici sont illustratifs. Remplacez-les par les vôtres, même approximatifs. Si vous ne pouvez pas donner un chiffre exact, donnez un ordre de grandeur et dites comment il a été mesuré. Un recruteur technique préfère une estimation honnête à un pourcentage invérifiable.

Un autre point souvent négligé: la part de votre travail. Écrivez "conception", "développement", "mise en production", selon ce que vous avez vraiment fait. Si vous avez travaillé en équipe de quatre, dites-le. Les questions d'entretien reviennent toujours là-dessus.

Vérifier la lisibilité du CV#

Un CV clair pour vous ne l'est pas forcément pour un système de suivi des candidatures. Colonne double, icônes, tableaux, encarts colorés: tout cela peut être lu de travers. Passez votre document par un vérificateur de CV compatible avec les logiciels de recrutement pour repérer les blocs mal interprétés, puis corrigez.

Quelques repères de fond:

• une page suffit en début de carrière, deux pages si vous avez des réalisations datées à exposer
• chaque expérience datée, avec ville et contexte client sans nommer le client si votre contrat l'interdit
• une section "Compétences" lisible, avec les outils que vous maîtrisez réellement
• un lien vers un dépôt de code ou un portfolio, si le projet est présentable
• l'anglais mentionné à son vrai niveau, car beaucoup de missions se déroulent en anglais

Gardez une version ciblée par famille de poste. Un CV orienté NLP ne doit pas ressembler à un CV orienté MLOps. C'est plus de travail, et c'est ce qui fait la différence quand plusieurs dizaines de candidatures arrivent pour la même offre.

Préparer l'entretien technique sans spéculer#

Je ne vais pas vous décrire le processus interne d'une entreprise que je ne connais pas de l'intérieur, et personne ne devrait le faire. En revanche, les attentes classiques pour un poste d'ingénieur IA sont connues, car elles figurent dans les offres.

Révisez d'abord les fondamentaux: statistiques de base, biais de sélection, surapprentissage, validation croisée, métriques de classification et pourquoi on ne choisit pas l'accuracy par défaut. Ensuite, les sujets nommés dans l'offre. Enfin, un projet que vous pouvez raconter de bout en bout.

Un exercice qui marche: chronométrez-vous. Dix minutes pour présenter votre projet, cinq pour répondre aux objections. En dessous de cinq minutes, votre récit est trop sommaire. Au-delà de quinze, vous perdez votre interlocuteur.

Voici un exemple de réponse à la question "Parlez-moi d'un projet IA que vous avez mené".

"J'ai travaillé sur un système de classement de tickets de support pour un client du secteur des services. Le problème: l'équipe passait beaucoup de temps à trier manuellement les demandes entrantes. Mon rôle couvrait la partie modélisation, en collaboration avec un développeur back-end pour l'intégration. J'ai commencé par analyser environ deux ans d'historique, puis j'ai comparé une approche basée sur des règles et un modèle de classification supervisée. Le modèle supervisé a clairement dépassé les règles, surtout sur les catégories rares. Nous l'avons déployé derrière une API, avec une règle de repli vers le tri manuel quand la confiance était faible. Ce que je referais différemment: impliquer l'équipe métier plus tôt dans l'annotation, car c'est là que nous avons perdu le plus de temps."

Cette réponse donne le contexte, votre rôle, la méthode, le résultat, et un point faible assumé. C'est exactement ce que les recruteurs essaient de faire remonter.

Préparez aussi des questions à poser, car leur absence se remarque:

• quelle est la stack utilisée aujourd'hui sur les projets IA
• comment le déploiement des modèles est-il organisé
• la mission est-elle en autonomie ou en renfort d'une équipe existante
• quel est le niveau d'anglais requis au quotidien
• comment le suivi des compétences est-il géré entre deux missions

Checklist avant d'envoyer votre candidature#

• le CV reprend cinq à huit termes exacts de l'offre, là où ils correspondent à votre expérience
• chaque bullet commence par un verbe d'action et se termine par un résultat ou une méthode
• les dates, intitulés et villes sont cohérents entre le CV et votre profil en ligne
• le fichier est nommé de façon professionnelle et exporté en PDF
• votre profil en ligne indique que vous êtes ouvert aux opportunités, si vous êtes en poste
• vous avez identifié deux projets à raconter en détail, avec les chiffres sous la main
• vous avez vérifié les offres actuelles pour caler vos attentes salariales sur le marché réel

Pour repérer des postes ouverts et voir les intitulés réellement utilisés, parcourez les offres d'emploi en ligne. Et si vous cherchez d'autres méthodes de candidature, les articles du blog couvrent la rédaction de CV et la préparation d'entretien.

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 maîtriser l'anglais pour un poste Capgemini AI Engineer ?

Ça dépend de la mission. Certaines équipes travaillent en français au quotidien, d'autres en anglais avec des interlocuteurs à l'étranger. Lisez l'offre, et signalez votre niveau réel: un anglais technique écrit correctement est souvent suffisant pour démarrer.

Quelles compétences techniques mettre en avant en priorité ?

Celles qui figurent dans l'offre et que vous savez défendre. Si l'annonce insiste sur la mise en production, montrez Docker, CI/CD, API et suivi de modèles. Si elle parle NLP, montrez vos projets de traitement de texte et vos choix de modèles.

Combien de temps dure le processus de recrutement ?

Il varie selon le volume de candidatures, la mission à pourvoir, et les disponibilités des équipes. Comptez souvent plusieurs semaines entre le premier échange et la décision, mais rien n'est garanti. Relancez poliment après une dizaine de jours si vous n'avez pas de nouvelles.

Faut-il personnaliser son CV pour chaque candidature ?

Pour chaque famille de poste, oui. Pour chaque annonce mot pour mot, c'est trop long et peu utile. Préparez trois versions ciblées, par exemple modélisation, industrialisation, et LLM appliqués, puis ajustez les mots-clés selon l'offre.

Quelles questions poser pour savoir si la mission vous correspond ?

Demandez la stack, le mode de travail, le niveau d'autonomie attendu, et la façon dont les modèles sont maintenus après mise en production. Ajoutez une question sur le secteur du client si l'offre ne le précise pas. C'est souvent ce détail qui détermine votre quotidien.