Infosys Data Scientist: mots-cles CV et preparation entretien

Vous répondez à une offre de Data Scientist chez Infosys et votre CV ne déclenche aucun retour. Le problème vient rarement de vos compétences. Il vient de la façon dont elles sont écrites.

Dans une entreprise de services numériques comme Infosys, le poste de data scientist s'exerce surtout en mission chez un client. On attend de vous que vous livriez, que vous documentiez, et que vous expliquiez un modèle à quelqu'un qui ne code pas. Ce contexte change la manière de présenter votre parcours.

Je précise d'emblée : je ne décris pas le processus interne de recrutement d'Infosys, que je ne connais pas de l'intérieur. Tout ce qui suit s'appuie sur les offres publiques de ce type de poste, sur ce qui fonctionne dans les candidatures en France, et sur des exemples concrets à adapter à votre situation.

Lire l'annonce comme un cahier des charges#

Avant de toucher à votre CV, décomposez l'offre. Repérez les outils cités, le niveau d'expérience demandé, et surtout les verbes d'action : "mettre en production", "accompagner", "industrialiser", "présenter". Ces verbes disent ce qu'on attend de vous au quotidien, au-delà de la liste technique.

Un décodeur d'offre d'emploi vous aide à sortir les termes exacts et à voir ce qui relève du vrai besoin du poste par rapport au remplissage habituel des annonces. C'est le point de départ de toute candidature sérieuse.

Les familles de mots-clés qui reviennent#

Les offres data scientist chez les intégrateurs tournent autour de quelques blocs. Reprenez ceux que vous maîtrisez vraiment, avec la formulation de l'annonce quand elle correspond à votre expérience.

• Langages et données : Python, SQL, Spark, Scala parfois, pandas, scikit-learn, TensorFlow ou PyTorch selon les équipes
• Mise en production : API REST, Docker, Kubernetes, CI/CD, tests unitaires, monitoring de modèles
• Cloud : AWS, Azure, GCP, les trois étant cités selon les missions
• Méthodes : régression, classification, séries temporelles, NLP, recommandation, clustering
• Méthode de travail : Agile, Scrum, travail avec des équipes data, suivi de versions avec Git
• Côté métier : présentation à des parties prenantes, cadrage de besoin, accompagnement du changement, rédaction de documentation

Le piège classique : recopier toute la liste alors que vous ne maîtrisez que la moitié. Un recruteur technique le voit tout de suite, et l'entretien se transforme en interrogatoire.

Réécrire ses expériences plutôt que les empiler#

Une bonne ligne de CV dit ce que vous avez fait, sur quel type de données, avec quels outils, et avec quel effet. Le chiffre est utile quand il est réel. Il est toxique quand il est inventé.

Exemple de réécriture, à adapter avec vos vrais résultats :

Avant : "Travaillé sur des modèles de machine learning pour améliorer les processus clients."

Après : "Conçu un modèle de prévision du churn sur une base de 200 000 clients, mis en production via une API FastAPI sur Azure, réutilisé par l'équipe CRM pour cibler les actions de fidélisation."

La deuxième version contient les mots-clés que l'annonce cherche, et elle donne un contexte qu'un recruteur peut vérifier en entretien. Si vos chiffres sont différents, mettez les vôtres. Ne gonflez jamais un volume ou un gain pour faire joli.

Deuxième exemple, pour un profil plus junior :

Avant : "Analyses de données en stage."

Après : "Nettoyé et analysé des flux SQL de 40 tables sources, automatisé un reporting mensuel sous Python, présenté les résultats à un comité de trois responsables métier."

Vérifier que votre CV passe les filtres#

Beaucoup de cabinets et de grands donneurs d'ordre filtrent les candidatures avant qu'un humain ne les lise. Si vos compétences sont noyées dans un paragraphe, ou si votre titre de poste ne correspond à rien de l'annonce, vous sortez du lot à tort.

Un vérificateur de CV gratuit vous indique comment votre document est lu par ces systèmes, et quels termes il ne trouve pas. À faire avant chaque envoi, pas une seule fois.

Autre point pratique : gardez deux versions de votre CV, une pour les postes orientés modélisation, une pour les postes orientés mise en production. Cinq minutes de personnalisation par candidature changent beaucoup de choses. Vous pouvez suivre les offres ouvertes sur la page des offres d'emploi data pour voir les formulations qui reviennent.

Préparer l'entretien sans spéculer sur le process#

Les retours de candidats montrent souvent des étapes communes à ce type de poste : un échange RH, un échange technique, parfois un cas pratique. La forme exacte varie selon la mission, le pays et le moment. Méfiez-vous de quiconque vous garantit un déroulé précis.

Préparez plutôt ce qui est stable partout : votre dernier projet raconté clairement, vos choix techniques justifiés, et votre façon de gérer un problème de données. Le reste suit.

Réponse type : "Parlez-moi d'un projet où les données étaient de mauvaise qualité"

"Sur une mission de prévision de la demande, les données de vente arrivaient de trois systèmes différents avec des codes produits incohérents. J'ai commencé par auditer les écarts, puis j'ai écrit un script de réconciliation avec des règles explicites documentées. Environ un tiers des lignes ont dû être corrigées ou exclues, et j'ai présenté l'impact de ces exclusions au commanditaire avant de modéliser. Le modèle final est arrivé plus tard, mais il reposait sur une base vérifiable, et l'équipe a pu reprendre le script après mon départ."

Cette réponse montre une méthode, une décision, et une limite assumée. C'est exactement ce qu'on attend sur des missions client, où quelqu'un d'autre reprendra votre travail.

Autre question fréquente : "Pourquoi cette entreprise ?" Parlez de la mission réelle, pas de discours générique. Dites que vous cherchez un environnement où les modèles passent en production, et que la diversité des missions chez un intégrateur vous intéresse pour progresser vite. Évitez les formules creuses sur l'innovation.

Les réserves à connaître pour le marché français#

Un poste chez Infosys en France est un poste en ESN ou en centre de services, avec des déplacements possibles chez le client, et parfois une part de déplacement géographique à discuter avant de signer. Posez la question tôt.

Sur la rémunération, les fourchettes annoncées pour un data scientist en France varient fortement selon l'expérience, la ville et la mission. Les chiffres que l'on voit en ligne sont des ordres de grandeur rapportés par des candidats, pas des grilles officielles. Vérifiez les sources à jour, comme les observatoires de l'emploi et les fiches métiers publiques, avant de négocier.

Si vous n'avez pas la nationalité d'un pays de l'Union européenne, l'autorisation de travail dépend de votre situation personnelle et du type de contrat. Aucun article ne peut vous donner de garantie sur ce point. Consultez les sites officiels français, comme service-public.fr, et demandez au recruteur qui prend en charge la démarche.

Checklist de préparation#

• Relever tous les termes techniques de l'annonce, en gardant ceux que vous maîtrisez vraiment
• Réécrire vos expériences avec contexte, outils et résultat réel
• Adapter le titre de votre CV au titre visé, par exemple "Data Scientist" ou "Data Scientist, mise en production"
• Tester la lisibilité de votre CV avec un outil de vérification ATS avant chaque envoi
• Préparer trois projets racontables en cinq minutes, avec le problème, votre rôle, et ce qui a été livré
• Anticiper une question sur la qualité des données et une sur la mise en production
• Noter vos questions sur la mission, l'équipe, et le taux de présence chez le client
• Vérifier les sources officielles pour la rémunération et l'autorisation de travail

Vous trouverez d'autres méthodes de préparation sur le blog, notamment sur la négociation et la reprise de parcours.

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 priorité sur un CV pour un poste Data Scientist chez Infosys ?

Gardez ceux de l'annonce : Python, SQL, cloud, mise en production, et la communication avec les équipes métier. Mieux vaut six termes justifiés par un projet que quinze posés sans contexte.

Faut-il absolument avoir un doctorat pour ce type de poste ?

Non. Les offres de data scientist chez les intégrateurs acceptent souvent des profils bac+5 avec une expérience terrain solide. Le doctorat aide sur les postes très spécialisés, pas sur l'ensemble des missions.

Combien de temps dure un processus de recrutement dans ce type d'entreprise ?

Ça varie selon la mission, le pays et la disponibilité des équipes. Les candidats rapportent souvent plusieurs semaines entre le premier échange et la décision, mais aucune durée n'est garantie.

Comment parler d'un projet confidentiel en entretien ?

Décrivez le contexte technique et votre rôle sans citer le nom du client ni les données sensibles. Un recruteur comprend parfaitement cette prudence, et cela montre votre sérieux sur la confidentialité.

Puis-je postuler si je n'ai pas toutes les technologies listées ?

Oui, si vous couvrez le cœur du besoin et que vous savez apprendre le reste. Dites franchement ce que vous maîtrisez, ce que vous avez touché, et ce que vous découvrirez. Le bluff se voit très vite.