HCLTech Data Scientist: mots-cles CV et preparation entretien

Votre CV part dans une boîte sans retour, et vous ne savez pas ce qui bloque. Le problème vient rarement de votre talent. Il vient du vocabulaire, du format, et d'une préparation trop vague.

Postuler comme data scientist chez HCLTech demande un peu de méthode. Rien de secret. Voici comment caler votre CV sur l'offre, et comment arriver prêt le jour J.

Ce que fait un data scientist dans une ESN comme HCLTech#

HCLTech est une entreprise de services numériques. Une grande partie des missions se fait chez un client final. Banque, assurance, industrie, distribution. Le contexte change d'un projet à l'autre.

Cela modifie ce qu'on attend de vous. Un modèle qui tourne dans un notebook ne suffit pas. Il faut livrer quelque chose d'exploitable, l'expliquer à quelqu'un qui n'est pas data scientist, et documenter votre travail pour que quelqu'un d'autre puisse reprendre.

Les questions d'entretien suivent souvent cette logique. Moins de théorème, plus de cas pratiques. On vous demandera comment vous traitez des données sales, comment vous tranchez entre deux modèles, comment vous parlez de votre travail à un métier.

Le déroulé varie selon les sites et les projets. On observe souvent un premier échange RH, un ou deux tours techniques, parfois une mise en situation ou une rencontre avec l'équipe cliente. Ce n'est pas un process interne figé. Prenez chaque étape comme elle vient.

Choisir les bons mots-clés à partir de l'offre#

Les mots-clés viennent de l'annonce, pas d'une liste générique. Ouvrez l'offre, soulignez les termes techniques qui reviennent, puis gardez ceux qui décrivent vraiment votre expérience.

Dans ce type de poste, on voit souvent passer Python, SQL, scikit-learn, TensorFlow, PyTorch, Pandas, NLP, MLOps, Docker, Kubernetes, AWS, Azure, GCP, Spark, Airflow, Power BI, Tableau. Le domaine métier compte aussi : finance, assurance, retail, santé.

Ne recopiez pas tout. Huit à dix termes pertinents valent mieux qu'une liste de vingt mots-clés que vous maîtrisez à peine. Un recruteur technique repère vite les CV bourrés de mots-clés creux.

Pour décrypter ce que l'annonce demande vraiment derrière les formules vagues, notre analyseur d'offre vous aide à sortir les exigences réelles. Et avant d'envoyer le fichier, passez-le dans le vérificateur de CV compatible ATS. Un tableau, une colonne colorée, une icône en haut, et le logiciel de lecture perd la moitié de votre parcours.

Comment décrire votre expérience concrètement#

La section Expérience est lue en premier. C'est là que ça se joue.

Le réflexe à corriger : lister des projets sans dire le problème, ni le résultat. Un CV qui dit seulement "modèle de prédiction de churn, classification" ne dit rien à personne. Trois questions restent sans réponse : quel problème, avec quelles données, avec quel effet.

Exemple. Version faible :

• Mise en place d'un modèle de prédiction de churn (classification).

Version qui tient debout :

• Réduit d'environ 30 % le temps de traitement des réclamations en remplaçant un traitement par règles par un modèle de classification, entraîné sur environ 120 000 dossiers, avec Python et scikit-learn, déployé en API interne.

Le schéma est simple : problème métier, données, action, outils, résultat. Ça tient en une ou deux lignes.

Si vous n'avez pas de chiffre exact, donnez un ordre de grandeur. "Environ un tiers des dossiers", "quelques centaines de requêtes par jour". Mais n'inventez jamais de nombre pour faire joli. Un entretien technique se transforme vite en interrogatoire sur les chiffres de votre CV.

Préparer les tours techniques#

Sur ce type de poste, les questions couvrent souvent plusieurs thèmes. Les fondamentaux : surapprentissage, compromis précision/rappel, validation croisée, fuite de données. Un exercice SQL. Un petit exercice Python ou pandas. Un sujet cloud ou déploiement. Et le parcours d'un projet.

Astuce utile : sortez cinq à dix chiffres de vos projets avant l'entretien. Volumes, métriques, délais, tailles d'équipe. Vous parlerez plus vite et plus juste.

Pour la question "parlez-moi d'un projet", gardez la structure situation, action, résultat. Pas besoin de théâtre. Une réponse qui tient en une minute et demie est plus efficace qu'un monologue de cinq minutes.

Voici ce que ça donne à l'oral.

"Nous avions à prédire le départ de clients sur une base d'environ 50 000 comptes, avec un historique de quinze mois. La donnée était déséquilibrée, autour de 8 % de positifs. J'ai comparé une régression logistique à un gradient boosting, en validation croisée stratifiée. J'ai privilégié le rappel parce que l'équipe métier voulait surtout repérer les comptes à risque, quitte à avoir quelques faux positifs. Le modèle final atteignait environ 80 % de rappel sur le jeu de test, avec une précision un peu plus basse mais un volume de revue manuelle supportable. Comme l'écart entre les deux modèles était faible, j'ai recommandé la régression logistique, plus simple à expliquer à l'équipe risque du client et plus facile à maintenir. Résultat : la charge de revue manuelle a baissé de manière nette, et les comptes remontés correspondaient mieux à la réalité. Ce projet m'a surtout appris qu'un modèle qu'on ne peut pas expliquer ne passe pas toujours la porte."

Détail qui compte : la dernière phrase. Dans une ESN, votre interlocuteur final est souvent un métier. Savoir expliquer un arbitrage technique à quelqu'un qui ne code pas est un vrai plus.

La réalité du marché français#

Trois points à garder en tête avant de postuler.

D'abord, les offres varient selon les projets en cours. Une ESN recrute pour des besoins clients. Les compétences demandées peuvent changer d'un trimestre à l'autre. Pour voir ce qui sort en ce moment, regardez les offres actives sur notre page d'offres d'emploi, et repérez les termes qui reviennent. C'est votre meilleur indicateur de tendance.

Ensuite, le profil attendu est souvent intermédiaire. Les postes juniors existent, mais ils sont moins fréquents que les postes demandant deux à cinq ans d'expérience. L'anglais varie selon le projet : certains sont entièrement en anglais, d'autres majoritairement en français. Demandez le niveau réel dès le premier échange.

Enfin, la rémunération. Pour un data scientist en France, les fourchettes annoncées tournent souvent autour de 40 000 à 65 000 euros brut annuels, parfois plus pour des profils seniors ou avec une forte dimension ingénierie. Les chiffres varient selon la ville, le secteur et l'expérience. Vérifiez les sources officielles et actualisées, comme l'APEC ou les fourchettes affichées sur les plateformes d'offres, avant toute négociation. Pour le reste des tendances du métier, nos autres guides sur le blog reviennent en détail sur les salaires et les compétences en demande.

Sur les questions d'autorisation de travail ou de visa, aucune réponse type ne tient. Tout dépend de votre situation et du poste. Consultez les sources officielles, comme service-public.fr ou la préfecture de votre lieu de résidence, et exigez une réponse écrite de l'employeur plutôt qu'une promesse orale.

Ce que vous pouvez faire dès aujourd'hui#

• Reprenez votre CV et extrayez les mots-clés de l'offre visée, huit à dix maximum.
• Réécrivez chaque bullet selon le schéma problème, données, action, outils, résultat.
• Vérifiez que le fichier reste lisible par un logiciel de recrutement : un seul format, pas de tableau, pas de mise en page à deux colonnes.
• Testez votre CV avec le vérificateur de CV compatible ATS avant l'envoi.
• Notez cinq à dix chiffres clés de vos projets, pour les réutiliser en entretien.
• Entraînez-vous sur quelques exercices SQL et Python basiques, trente minutes suffisent pour réactiver les réflexes.
• Préparez une présentation de deux minutes de votre meilleur projet, en français et en anglais.
• Préparez trois questions à poser : stack utilisée, taille de l'équipe, type de mission attendu.

Outils gratuits#

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

Questions fréquentes#

Combien de pages pour un CV data scientist chez HCLTech ?

Une page pour moins de cinq ans d'expérience, deux pages au-delà. L'expérience récente et pertinente prime sur le détail des missions anciennes. Gardez une ligne pour un poste de 2015 et une demi-page pour celui de l'an dernier.

Faut-il postuler si on ne coche pas toutes les cases ?

Oui, si vous maîtrisez vraiment les compétences centrales de l'offre, typiquement Python et SQL. Les critères comme le secteur ou la pile cloud complète sont souvent négociables. Postulez quand même si la correspondance dépasse environ soixante-dix pour cent.

Quelle différence de préparation entre une ESN et une entreprise produit ?

Dans une ESN, vous serez évalué aussi sur votre capacité à vous adapter à un client et à parler métier. Dans une entreprise produit, l'entretien va plus loin sur la profondeur technique d'un domaine. Adaptez vos exemples en conséquence.

Comment postuler après un licenciement ou une longue période de chômage ?

Ne cherchez pas à masquer le trou dans le CV. Une ligne honnête sur une formation, un projet personnel ou une période de recherche passe mieux qu'un vide inexplicable. N'attendez pas non plus le projet de transition parfait pour postuler.

L'anglais est-il éliminatoire ?

Cela dépend du projet. Pour une équipe internationale, oui, le niveau peut être déterminant. Vérifiez le niveau requis dans l'annonce et confirmez-le dès le premier appel.