HCLTech Data Engineer: mots-cles CV et preparation entretien

Votre candidature pour un poste de Data Engineer chez HCLTech reste sans réponse, et vous ne savez pas ce qui bloque.

C'est peut-être le CV. C'est peut-être votre façon de raconter vos missions. C'est peut-être la pile technique que vous mettez en avant. Les trois se réparent vite, à condition de comprendre ce que le recruteur cherche avant de parler.

Ce que couvre vraiment un poste Data Engineer chez HCLTech#

HCLTech est une société de services informatiques. En France, une bonne partie des postes implique une mission chez un client final, parfois en télétravail partiel, parfois en présentiel dans les locaux du client.

Concrètement, le recruteur ne cherche pas seulement quelqu'un qui sait écrire du code Spark. Il cherche quelqu'un qu'il peut placer chez un client sans six mois de montée en compétence. C'est pour ça que vos mots-clés doivent parler le langage des offres d'emploi, et pas seulement celui de votre ancienne équipe.

Je n'ai aucun accès au processus interne de HCLTech, et personne n'en a en dehors de l'entreprise. Tout ce qui suit repose sur les offres publiées, les retours de candidats, et la logique du marché des ESN en France. Méfiez-vous de quiconque vous promet la liste exacte des questions posées.

Les mots-clés à faire apparaître dans votre CV#

La méthode est simple. Prenez l'offre qui vous intéresse, copiez le texte, et repérez les termes techniques répétés. Un outil comme le décodeur d'offres d'emploi gratuit vous aide à trier ce qui est du vrai besoin de l'équipe et ce qui est du remplissage générique.

Sur les offres Data Engineer de ce type, on retrouve souvent ces familles de mots-clés :

• Python, PySpark, Spark SQL, Scala pour le traitement
• SQL avancé, modélisation dimensionnelle, conception d'entrepôt de données
• Airflow, Luigi ou tout autre orchestrateur nommé dans l'offre
• Cloud : AWS, Azure ou GCP, avec les services de stockage et de calcul cités
• Kafka, Kinesis ou un autre outil de flux si l'offre mentionne du temps réel
• CI/CD, Git, tests unitaires, Docker
• Qualité des données, observabilité, gestion des incidents
• Outils de gouvernance et de catalogue de données quand ils sont listés
• Méthodes agiles, travail avec un Product Owner, communication avec le métier

Règle de base : n'écrivez un mot-clé que si vous pouvez en parler dix minutes sans lire d'aperçu. Un CV bourré de termes que vous ne maîtrisez pas se retourne contre vous à l'entretien technique.

Vérifiez ensuite que votre CV passe bien les filtres automatiques. Le vérificateur ATS gratuit sert exactement à ça : il vous montre ce qui se perd quand un logiciel lit votre document à votre place.

Exemple de reformulation d'une ligne de CV#

Voici un type de phrase qu'on voit partout, et qui ne dit rien :

« Responsable de la partie data du projet de facturation. »

La version qui donne envie d'appeler :

« Conçu et maintenu deux pipelines PySpark planifiés sous Airflow pour la facturation d'un client du secteur énergie : ingestion depuis un lac de données, transformations, contrôles de qualité, tableaux de suivi. Temps de traitement nocturne réduit de [durée initiale] à [durée constatée]. »

Ce qui change : les outils nommés, le périmètre, la finalité métier, et un résultat mesuré. Les crochets sont faits pour être remplacés par vos vrais chiffres. Si vous n'avez pas de chiffre, décrivez le résultat observable : « les fichiers partaient désormais sans intervention manuelle ».

Adapter votre CV sans inventer#

Deux écueils reviennent. Le premier est le CV fourre-tout, qui liste quinze technologies dont vous avez touché deux. Le second est l'auto-censure, où quelqu'un qui a industrialisé des jobs Spark pendant trois ans écrit « participation à des projets data ».

Le bon curseur est celui de la conversation que vous aurez en entretien. Pour chaque ligne de votre CV, posez-vous une question : est-ce que je peux expliquer une décision technique que j'ai prise là-dessus ?

Adaptez ensuite une version par offre. Pas une réécriture complète : l'ordre des compétences, deux ou trois formulations, et les missions remises en avant. Comptez vingt minutes par candidature. C'est un effort qui se voit très vite de l'autre côté.

Préparer l'entretien technique#

Sur un poste de ce type, l'entretien technique tourne souvent autour de trois axes : votre maîtrise réelle d'un langage de traitement, votre façon de concevoir un pipeline, et votre gestion des incidents.

Révisez sans survoler les points suivants :

• Les différences entre un traitement par lots et un traitement en flux
• Le partitionnement, le petit-fichier, et pourquoi un job devient lent
• Les jointures coûteuses et comment les diagnostiquer
• Les stratégies de rejeu quand un pipeline échoue en pleine nuit
• La modélisation : faits, dimensions, et quand une approche en colonnes change la donne
• Les bases de données distribuées et la cohérence des données
• Git, les revues de code, et la façon dont vous livrez en équipe

Préparez aussi des questions à poser. Pas des questions de remplissage. Demandez comment l'équipe gère les échecs de pipeline, qui porte l'astreinte, ou comment les besoins du client sont traduits en tâches techniques. Ces questions montrent que vous avez déjà fait le travail.

Un exemple de réponse structurée#

Question classique : « Parlez-moi d'un pipeline qui a cassé et de ce que vous avez fait. »

Une réponse qui tient debout :

« Sur une mission précédente, un job quotidien d'agrégation a commencé à échouer trois nuits de suite. Premier réflexe, j'ai regardé les logs et les volumes entrants, et j'ai constaté que la source envoyait des fichiers bien plus gros qu'à l'habitude, avec un schéma légèrement différent. J'ai isolé la cause : une colonne attendue était désormais nullable, et mon contrôle de qualité rejetait tout le lot. J'ai corrigé la règle pour tolérer la valeur manquante en conservant une alerte, puis j'ai ajouté un test automatique sur le schéma pour que le prochain changement de la source soit détecté avant la mise en production. J'ai aussi documenté la manipulation pour le reste de l'équipe. Le point que je retiens : j'aurais dû mettre ce contrôle de schéma en place dès le départ, au lieu de faire confiance à la stabilité de la source. »

Cette réponse marche parce qu'elle donne un contexte, une action, un résultat, et un défaut assumé. Les recruteurs entendent trop de réponses parfaites pour y croire.

Le marché français et les points à vérifier#

Les salaires pour un Data Engineer en France varient fortement selon la ville, l'expérience, le statut et le type de mission. Sur Paris, les fourchettes annoncées dans les offres sont en général plus hautes qu'en région, mais l'écart se creuse ou se réduit selon les périodes. Ne prenez jamais un chiffre lu sur un forum comme une référence : consultez les grilles publiées par l'APEC, les offres récentes sur notre page d'offres d'emploi, et demandez la fourchette dès le premier échange.

Côté recrutement, une partie des postes ouverts en France suppose une autorisation de travail valide. Si vous êtes concerné, vérifiez votre situation sur le site officiel de l'administration française plutôt que sur un blog. Aucun cabinet ne peut vous garantir un titre de séjour, et méfiez-vous de quiconque le prétend.

Le marché est plus exigeant qu'il y a deux ou trois ans. Les postes juniors se bousculent, et les recruteurs filtrent plus vite. Un CV précis et une préparation technique solide font une vraie différence.

Checklist avant d'envoyer#

• Votre CV tient sur une ou deux pages, sans bloc de compétences illisible
• Les mots-clés de l'offre apparaissent dans vos expériences, pas seulement dans une liste de compétences
• Chaque ligne de mission indique un outil, un périmètre et un résultat
• Les chiffres que vous affirmez sont réels et vous pouvez les défendre
• Vous avez deux versions de CV si vous visez à la fois des postes batch et des postes temps réel
• Vous avez testé la lisibilité de votre CV avec un outil de lecture automatique
• Vous avez préparé trois histoires concrètes de mission à raconter
• Vous savez nommer un choix technique que vous regrettez et ce que vous feriez aujourd'hui
• Vous avez relu la fiche de poste la veille de l'entretien
• Vous avez préparé vos questions sur l'équipe, l'astreinte et la mission

Vous trouverez d'autres modèles de CV et de réponses dans nos articles de blog.

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 mettre toutes les technologies que j'ai déjà touchées sur mon CV ?

Non. Mettez celles que vous avez utilisées en conditions réelles et celles que l'offre mentionne. Une technologie listée que vous ne savez pas défendre à l'entretien vous coûte la crédibilité de tout le reste.

Combien de temps faut-il préparer l'entretien technique ?

Une dizaine d'heures réparties sur deux semaines est un bon rythme si vous travaillez déjà. Révisez la théorie, puis parlez à voix haute de vos anciennes missions pendant vingt minutes d'affilée, sans notes.

Est-ce que HCLTech pose des questions de code en direct ?

Ça dépend du poste, du client et de l'équipe qui recrute. Préparez-vous comme si c'était le cas : réécrivez vos fonctions sans IDE, et entraînez-vous à expliquer votre raisonnement pendant que vous écrivez.

Je sors d'école, comment compenser le manque d'expérience professionnelle ?

Mettez en avant vos projets concrets : mémoire, stage, projet personnel déployé, contribution open source. Décrivez la stack, la difficulté rencontrée et le résultat, exactement comme une mission en entreprise.

Quand faut-il parler de salaire ?

Lors du premier échange avec le recruteur, après qu'il a présenté le poste. Donnez une fourchette basée sur des offres récentes et les grilles publiques, et précisez que vous êtes ouvert à la discussion selon le détail de la mission.