Capgemini Data Engineer: mots-cles CV et preparation entretien

Votre CV data part dans dix directions et Capgemini ne répond pas, alors que le même CV déclenche des appels chez d'autres cabinets. Le problème vient presque toujours du même endroit : vos mots ne correspondent pas à ceux de l'offre, et vos missions sont décrites comme des intitulés de poste plutôt que comme du travail livré. Voici comment corriger ça sans inventer d'expérience et sans prétendre connaître un process interne.

Ce que couvre réellement un poste de data engineer chez Capgemini#

Capgemini est une ESN. Cela veut dire que votre poste dépendra de la mission sur laquelle vous êtes placé : industrie, banque, assurance, distribution, secteur public. Un data engineer y fait le plus souvent de l'ingestion de données, de la modélisation, de l'orchestration de pipelines et de la mise en production.

Le vocabulaire exact varie selon les équipes. Certaines parlent de "data platform", d'autres de "data pipeline", d'autres de "traitement batch et temps réel". C'est pour cela que l'annonce publiée est votre meilleure source. Ne postulez pas sur une lecture générale du poste.

Deux conséquences pratiques : gardez un socle technique solide dans votre CV, et adaptez la couche du dessus à chaque offre. La plateforme technique annoncée prime toujours sur ce que vous avez lu ailleurs.

Les mots-clés qui font remonter un CV data#

Un recruteur ou un outil de tri cherche des termes précis. Voici ceux qui reviennent le plus souvent dans les offres data engineer en France :

• Python et SQL, souvent dans la même phrase
• Airflow, ou d'autres outils d'orchestration comme Prefect ou Dagster
• Spark, PySpark, traitement distribué
• Cloud : GCP (BigQuery, Dataflow, Dataproc), AWS (S3, Glue, Redshift), Azure (Synapse, Data Factory, Databricks)
• dbt, modélisation dimensionnelle, data warehouse, data lake, lakehouse
• Kafka ou d'autres outils de streaming, pour les postes orientés temps réel
• Docker, Kubernetes, CI/CD, Terraform, Git
• Qualité des données, tests, monitoring, observabilité
• Gouvernance, catalogues de données, lignage, RGPD

Tous ces mots doivent être vrais pour vous. Un CV bourré de technologies que vous n'avez jamais touchées se retourne vite contre vous en entretien technique.

Vérifiez que votre fichier passe bien les filtres automatiques avant d'envoyer quoi que ce soit. Le test gratuit d'ATS sur jobrise vous montre ce qui est lu et ce qui est perdu.

Comment présenter une mission concrète#

La formule qui marche : contexte, action, résultat. Pas de description d'activité, pas de verbes vagues comme "participation" ou "accompagnement".

Exemple de puce, à adapter avec vos propres chiffres. Ceux ci-dessous sont illustratifs, ne les copiez pas :

Avant : "Participation à la mise en place de solutions data pour un client du secteur retail."

Après : "Conçu et industrialisé les pipelines Airflow alimentant le reporting quotidien d'un client retail (Python, BigQuery, dbt), en réduisant le temps de traitement du flux de X à Y sur une volumétrie de Z enregistrements par jour."

Les chiffres que vous mettez doivent être les vôtres. Si vous ne les connaissez pas, décrivez la portée autrement : nombre d'utilisateurs, nombre de flux, nombre de pays, fréquence de mise à jour. Un détail vérifiable vaut mieux qu'une superlatif.

Un autre exemple, sur de la migration :

"Repris en charge la migration d'un entrepôt Oracle vers Snowflake pour une équipe de 4 personnes, avec bascule progressive des reportings et rédaction de la documentation de reprise."

Simple. Précis. On comprend ce que vous savez faire.

Adapter votre CV à chaque annonce#

Ne réécrivez pas tout. Déplacez, remplacez, priorisez.

• Reprenez les termes exacts de l'offre quand ils décrivent votre travail réel
• Remontez en haut du CV les missions qui ressemblent le plus au poste visé
• Supprimez les outils que vous maîtrisez trop peu pour en parler 20 minutes
• Gardez une section "Compétences" lisible, sans mur de mots-clés
• Ajoutez le cloud utilisé et le type de données traitées, c'est ce qui manque le plus souvent
• Retirez les formules creuses : "orienté résultat", "rigoureux", "force de proposition"
• Vérifiez les intitulés : "Data Engineer" et "Ingénieur data" ne sont pas indexés pareil

Une offre longue contient souvent plus de mots-clés que vous ne pouvez en mettre. Le décodeur d'offre gratuit vous aide à trier ce qui est vraiment attendu de ce qui est du remplissage rédactionnel.

Et si vous cherchez des postes ouverts en ce moment, la page des offres d'emploi vous donne un aperçu concret du vocabulaire utilisé actuellement.

Préparer l'entretien technique#

Attendez-vous à trois types de questions : SQL, conception de pipelines, et expérience de production.

SQL : jointures, fenêtrage, agrégats, indices, optimisation d'une requête lente. Révisez sur un vrai jeu de données, pas sur des listes de questions. Savoir écrire une fenêtre est une chose, savoir expliquer pourquoi elle coûte cher en est une autre.

Conception : on vous demandera de concevoir un flux de bout en bout. Posez des questions avant de répondre. Volume, fréquence, latence attendue, source des données, qui consomme le résultat. Un candidat qui clarifie avant de construire passe toujours mieux.

Production : parlez de vos incidents, de vos tests, de vos alertes. C'est là que se joue la différence entre quelqu'un qui a écrit des scripts et quelqu'un qui exploite un système.

Exemple de réponse, à adapter avec votre expérience. Question type : "Parlez-moi d'un pipeline que vous avez industrialisé."

"Sur ma dernière mission, j'ai repris un flux de traitement nocturne qui échouait sans alerte, environ deux fois par semaine. D'abord j'ai cartographié les sources et identifié que les échecs venaient de formats de fichiers variables chez un fournisseur. J'ai refait la couche de lecture avec des contrôles de schéma en amont, ajouté des tests de données avec dbt, et branché des alertes Slack sur les échecs avec le détail du fichier fautif. Sur les six mois suivants, l'équipe n'a plus eu d'intervention manuelle de nuit, et les incidents sont passés en ticket suivi le matin. Le point que je referais différemment : j'aurais dû mettre en place le monitoring avant de refactorer la logique."

Cette dernière phrase est importante. Elle montre du recul. Les recruteurs y sont sensibles.

Le contexte du marché français#

Quelques points de vigilance avant de postuler.

Les salaires varient énormément selon la ville, l'expérience et le type de mission. Les fourchettes annoncées pour un data engineer en France vont souvent de environ 38 000 à 55 000 euros brut annuel pour un profil confirmé, davantage sur des profils seniors ou des postes très spécialisés, avec de grandes disparités entre Paris et le reste du pays. Ces chiffres sont donnés à titre indicatif : vérifiez les grilles et les annonces à jour sur les sources officielles et les offres récentes.

Le statut cadre, les primes de mission et les avantages varient d'un contrat à l'autre. Posez la question tôt, notamment sur la mobilité géographique et le télétravail, qui dépendent souvent du client final.

Si vous êtes en situation étrangère, les règles de séjour et de travail dépendent de votre nationalité et de votre contrat. Aucun employeur ne peut vous garantir un titre de séjour : renseignez-vous auprès des sources officielles compétentes.

Enfin, une candidature envoyée par le biais d'une équipe sur place ou d'un contact présent en mission a plus de chances d'être lue. Le réseau reste, en France, un accélérateur réel dans les ESN.

Erreurs qui coûtent cher#

Un CV de trois pages pour huit ans d'expérience. Une liste de quarante outils sans contexte. Un profil qui ne dit ni le cloud utilisé, ni le volume de données, ni le secteur.

Autre écueil : envoyer le même fichier à toutes les offres d'une même entreprise. Les cabinets gardent trace des candidatures. Un CV brouillon envoyé en janvier vous suit.

Enfin, ne présentez pas une mission courte comme une mission longue. Un recruteur technique creuse toujours la durée, la taille de l'équipe et votre rôle exact.

Outils gratuits#

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

Questions fréquentes#

Quels mots-clés mettre en premier sur un CV pour un poste de data engineer ?

Placez en haut les technologies citées dans l'offre et que vous maîtrisez vraiment. Python, SQL, Airflow, Spark, dbt et le cloud concerné sont les plus recherchés actuellement. Adaptez ensuite la section expériences avec vos missions les plus proches du poste.

Faut-il un CV d'une ou deux pages ?

Une page pour moins de cinq ans d'expérience, deux pages au-delà si le contenu le justifie. L'essentiel est que les informations clés soient lisibles en trente secondes : poste visé, stack technique, missions récentes. Le reste est du détail de confort.

Combien de temps faut-il préparer un entretien technique data ?

Comptez quelques jours de révision ciblée sur SQL et la conception de pipelines si vous pratiquez déjà au quotidien. Ajoutez une soirée pour reprendre vos propres missions et préparer des exemples concrets. Le travail de fond se fait dans la durée, pas la veille de l'entretien.

Les ESN comme Capgemini demandent-elles obligatoirement du cloud ?

Pas toujours, mais de plus en plus souvent. Certaines missions restent sur site chez le client avec des stacks on-premise, d'autres sont intégralement cloud. Regardez chaque annonce : la plateforme est presque toujours indiquée quelque part.

Que faire si l'on n'a pas tous les critères de l'offre ?

Postulez quand même si vous couvrez l'essentiel, souvent la majorité des exigences principales. Signalez clairement ce que vous maîtrisez et ce que vous êtes en train d'apprendre, sans gonfler votre niveau. Un candidat honnête sur ses limites est préférable à un profil sur-vendu qui s'effondre en entretien technique.