CV Data Scientist : exemples et mots-clés qui fonctionnent

Vous envoyez des dizaines de candidatures pour des postes de Data Scientist, mais votre CV semble disparaître dans un trou noir. Le problème n'est souvent pas votre expérience, mais la façon dont votre CV est lu (ou non) par les logiciels de recrutement. Voici comment structurer votre CV pour qu'il passe les filtres ATS et convainque un recruteur humain.

La structure qui passe les ATS en France#

En France, la plupart des grandes entreprises utilisent un Applicant Tracking System. Votre CV doit être lisible par ce logiciel avant de l'être par un recruteur. Oubliez les colonnes complexes, les graphiques, les icônes et les photos. Privilégiez un format linéaire, sobre, avec des titres de sections clairs.

L'ordre optimal pour un profil expérrimé est : Résumé professionnel, Expérience, Formation, Compétences techniques, Projets (si pertinent). Pour un junior, inversez : mettez Formation et Projets en premier. Votre nom et vos coordonnées (téléphone, email, LinkedIn, GitHub) doivent être en haut, sans fioritures.

Le tableau de mots-clés à intégrer#

Les ATS recherchent des mots-clés spécifiques. Les intégrer naturellement dans vos descriptions de missions est la clé. Voici les catégories essentielles.

Utilisez ces termes en les contextualisant. "Optimisation des hyperparamètres avec Optuna" est bien meilleur que "machine learning" seul. Pour décortiquer les fiches de poste, un outil comme le décodeur de descriptions de poste peut vous aider à repérer les attentes réelles.

Avant / Après : 3 exemples de bullets chiffrés#

La différence entre un CV qui dort et un CV qui décroche un entretien tient souvent aux chiffres. Transformez vos tâches en réalisations.

Exemple 1 : Modèle de churn

• Avant: Développé un modèle pour prédire le départ des clients.
• Après: Conçu et déployé un modèle XGBoost de prédiction du churn (AUC 0.92) sur 500k clients, permettant une campagne de rétention ciblée avec une baisse de 15% du taux d'attrition.

Exemple 2 : Automatisation de reporting

• Avant: Automatisé la création de rapports.
• Après: Créé un pipeline automatisé (Python, SQL, Airflow) pour générer des rapports hebdomadaires, réduisant le temps de production de 2 jours à 2 heures et éliminant les erreurs manuelles.

Exemple 3 : Optimisation de campagne

• Avant: Participé à l'amélioration des campagnes marketing.
• Après: Développé un modèle de scoring de propension à l'achat (LightGBM) segmentant 1M de profils, augmentant le taux de conversion des campagnes email de 2.1% à 3.8%.

Adapter son CV : junior vs. senior#

Pour un profil junior (0-3 ans d'expérience) : Mettez en avant votre formation, vos projets académiques et personnels (GitHub), et vos stages. Détaillez un ou deux projets complets comme s'il s'agissait d'expériences professionnelles. La section "Compétences techniques" doit être très visible. N'oubliez pas les certifications en ligne pertinentes (Coursera, DataCamp). Un vérificateur de compatibilité ATS peut vous assurer que votre format est correct.

Pour un profil senior (5+ ans) : Votre résumé professionnel est primordial. En 3-4 lignes, résumez votre expertise, vos domaines de prédilection (ex: NLP, MLOps, computer vision) et l'impact business que vous générez. Listez vos expériences par ordre anté-chronologique en insistant sur les responsabilités, l'envergure des projets (taille des données, équipes) et les résultats chiffrés. Les termes comme "architecture de modèles", "mentorat" et "stratégie data" deviennent importants.

Checklist avant envoi#

• Format simple : un seul fichier PDF, pas de tableaux, pas de colonnes, police standard (Calibri, Arial).
• Mots-clés : vérifiez qu'au moins 80% des compétences clés de l'offre d'emploi sont dans votre CV.
• Chiffres : chaque expérience a au moins une réalisation quantifiée (%, €, temps, volume).
• Liens : votre GitHub et LinkedIn sont fonctionnels et à jour.
• Relecture : pas de fautes. Demandez à quelqu'un d'autre de relire.
• Longueur : 1 page si junior, 2 pages maximum si senior.
• Personnalisation : vous avez adapté le résumé et les mots-clés pour chaque candidature.

Pour trouver des offres et analyser les termes récurrents, explorez les offres d'emploi en data science. Des conseils supplémentaires sur la préparation d'entretiens sont disponibles sur notre blog.

Questions fréquentes#

Faut-il mettre une photo sur un CV de Data Scientist en France ?

En France, la tendance est de ne plus mettre de photo, surtout dans les secteurs techniques. Cela évite tout biais potentiel. Concentrez-vous sur vos compétences et réalisations.

Mon CV doit-il faire une ou deux pages ?

Pour un junior, une page suffit. Pour un profil expérimenté (5+ ans), deux pages sont acceptables si le contenu est pertinent. Ne diluez jamais l'information pour remplir de la place.

Comment lister mes compétences techniques ?

Séparez-les clairement : Langages, Frameworks/ML, Outils & Plateformes, Méthodologies. Soyez spécifique : "Python (Pandas, NumPy, Scikit-learn)" plutôt que juste "Python".

Dois-je adapter mon CV pour chaque candidature ?

Oui, absolument. Ajustez votre résumé professionnel et les mots-clés principaux pour correspondre à l'offre. C'est un travail supplémentaire, mais cela augmente significativement vos chances.

Un profil autodidacte est-il crédible sans diplôme en data science ?

Oui, avec un portfolio solide. Détalez vos projets personnels sur GitHub avec des README clairs, montrez votre progression, et mettez en avant les certifications pertinentes. La preuve par l'exemple compte beaucoup.