Revolut Machine Learning Engineer: mots-cles CV et preparation entretien

Vous postulez pour un poste de Machine Learning Engineer chez Revolut et vous ne savez pas quoi mettre en avant sur votre CV pour passer le premier tri. C'est le cas de beaucoup de candidats, parce que les offres fintech mélangent data science, ingénierie logicielle et production, et qu'on ne sait plus très bien ce qui compte vraiment.

Le plus simple est de partir de l'offre d'emploi elle-même, pas d'une idée générale de ce qu'est le poste. Une annonce de Machine Learning Engineer en fintech parle presque toujours de modèles en production, de données transactionnelles, de fraude, de scoring, de pipelines et de monitoring. Prenez cette annonce, décodez-la et construisez votre CV autour de ce vocabulaire exact.

Ce que le poste couvre concrètement#

Chez les néobanques, un ingénieur machine learning passe rarement sa journée à entraîner des modèles. La majorité du travail porte sur la donnée, la mise en production et la fiabilité. Un modèle qui fonctionne sur votre machine et qui ne tourne pas à l'échelle ne vaut rien pour eux.

Trois blocs reviennent dans les offres : la partie modélisation (fraude, churn, scoring crédit, recommandation), la partie ingénierie (pipelines, orchestration, services), et la partie évaluation (métriques, dérive des données, tests A/B). Votre CV doit montrer que vous avez touché à ces trois blocs, même si vous êtes plus à l'aise sur l'un d'eux.

Pour vérifier votre lecture de l'annonce, le décodeur d'offres d'emploi gratuit vous aide à sortir les compétences exactes demandées, avec les mots-clés qui doivent apparaître tels quels dans votre CV.

Les mots-clés à faire figurer sur votre CV#

Les recruteurs et les logiciels de tri cherchent des termes précis. Voici ceux qui reviennent le plus souvent dans ce type de poste, à adapter selon l'annonce :

• Machine learning en production, MLOps, mise en production de modèles
• Python, SQL, et un second langage si l'annonce le demande
• PyTorch ou TensorFlow, scikit-learn, XGBoost
• Feature engineering sur des données transactionnelles ou temporelles
• Détection de fraude, scoring crédit, churn, recommandation
• Pipelines de données, Airflow, Spark, Kafka, dbt
• Docker, Kubernetes, CI/CD, tests unitaires et tests de modèles
• Monitoring de modèles, dérive des données, dérive conceptuelle
• Métriques : AUC, précision, rappel, F1, taux de faux positifs
• Cloud : AWS, GCP ou Azure, selon ce qui figure dans l'offre

Ne recopiez pas cette liste à l'aveugle. Si vous n'avez jamais fait de Kafka, ne l'écrivez pas. Un recruteur technique creusera le sujet en entretien et une mention creuse se retourne contre vous.

Un exemple de ligne de CV réécrite#

Beaucoup de CV disent « mise en place d'un modèle de détection de fraude ». C'est trop vague, ça ne dit rien sur l'échelle ni sur le résultat.

Version faible : « Mise en place d'un modèle de détection de fraude pour le service paiement. »

Version forte : « Conception et mise en production d'un modèle de détection de fraude en Python (XGBoost) sur des flux de transactions, avec pipeline Airflow et suivi de la dérive des données ; réduction mesurée des faux positifs sur le périmètre testé, dans une équipe de 4 personnes. »

On voit la technique, la mise en production, le type de données et le périmètre. Pas de chiffre inventé : si vous n'avez pas le résultat chiffré, décrivez le périmètre et la méthode. Un entretien partira de cette phrase, donc soyez prêt à l'expliquer pendant dix minutes.

Vérifiez ensuite votre CV avec l'outil gratuit de contrôle de compatibilité ATS. Il repère les mots-clés manquants et les formats que les logiciels de tri lisent mal, ce qui arrive souvent quand on met les compétences dans des colonnes ou des graphiques.

Adapter sans mentir#

L'idée n'est pas de se déguiser. C'est d'écrire votre expérience dans les mots de l'annonce. Si l'offre dit « model monitoring » et que vous avez fait du suivi de performance avec des alertes, écrivez « model monitoring » et décrivez votre méthode.

Gardez une règle simple : toute ligne du CV doit pouvoir être défendue en entretien. Le recruteur ne vous demande pas d'avoir tout fait, il veut savoir ce que vous savez faire vraiment et comment vous travaillez.

Pour trouver d'autres offres et comparer les intitulés, la page des offres d'emploi vous montre comment les entreprises formulent ce type de poste. Plus vous verrez d'annonces, plus votre vocabulaire sera juste.

Préparer l'entretien technique#

Attendez-vous à quatre types d'exercices, sans garantie sur l'ordre ni le format exact, car les processus varient selon les équipes et les périodes.

Un exercice de code, souvent en Python ou SQL, sur des données tabulaires. Un problème de modélisation ouvert, par exemple construire un système de détection de fraude. Une discussion sur un projet que vous avez mené. Et parfois une partie design machine learning, où l'on vous demande de concevoir un système de bout en bout.

Réviser les bases de machine learning vaut mieux que d'apprendre des architectures à la mode. Savoir expliquer le biais-variance, le déséquilibre des classes, la validation temporelle quand les données sont séquentielles, ou pourquoi la précision n'est pas la bonne métrique sur de la fraude, cela fait la différence.

Sur le problème de fraude, préparez une réponse structurée. Exemple :

« Je commence par définir la contrainte métier : quel coût a un faux négatif et quel coût a un faux positif. Ensuite je regarde la distribution des classes et le type de fraude visée. Je construis des variables sur l'historique de la carte, la géographie, les écarts de montant, avec une validation par le temps pour ne pas mélanger passé et futur. Je pars sur un gradient boosting qui donne une bonne baseline, je mesure le rappel à un seuil fixé par le coût métier, puis je discute du monitoring pour détecter la dérive, parce que la fraude évolue vite. »

Cette réponse montre une méthode, pas un cours. C'est ce qu'on cherche.

Le marché français et les pièges locaux#

En France, les postes de machine learning en fintech sont concentrés à Paris, avec du remote partiel selon les équipes. Les fourchettes de salaire varient beaucoup selon l'expérience, la spécialité et la structure du package, avec une part variable fréquente. Vérifiez les chiffres à jour sur la source officielle de l'entreprise ou sur les offres récentes plutôt que sur des articles anciens.

Si vous postulez depuis l'étranger ou si le poste implique un déménagement, la question du visa se pose. Les règles changent et dépendent de votre nationalité et du contrat. Renseignez-vous sur le site officiel de l'administration française et ne vous fiez pas aux promesses entendues sur un forum.

Un détail pratique : les équipes fintech travaillent souvent en anglais, avec des fuseaux décalés si l'équipe est répartie. Préparez vos explications techniques en anglais, même si vous postulez depuis la France.

Checklist avant d'envoyer#

• Reprendre les termes exacts de l'offre dans l'en-tête et les expériences
• Une ligne de CV = une action, une technique, un résultat ou un périmètre
• Vérifier que chaque ligne peut être expliquée pendant dix minutes
• Garder un format simple, lisible par un logiciel de tri
• Retirer les compétences que vous ne savez pas défendre
• Préparer deux projets détaillés, un orienté modélisation, un orienté production
• Faire relire le CV par quelqu'un du domaine
• Noter vos questions pour l'entretien : stack, équipe, mode de mise en production

Et gardez une trace de ce que vous envoyez à quelle version du CV. Vous verrez vite quelle formulation fonctionne.

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 absolument avoir travaillé dans la banque pour postuler ?

Non. Ce qui compte, c'est votre capacité à gérer des données transactionnelles, des modèles en production et des contraintes de fraude ou de risque. Une expérience dans l'assurance, le e-commerce ou la sécurité informatique se transfère bien si vous savez faire le lien.

Quels mots-clés éviter de mettre sur un CV Revolut ?

Évitez les mots génériques comme « passionné », « orienté résultat » ou « bon esprit d'équipe » sans preuve. Ils occupent de la place et n'apportent rien au tri initial, où l'on cherche des compétences techniques précises.

Combien de temps dure le processus de recrutement ?

La durée varie selon les équipes et les périodes de recrutement, et elle peut s'allonger si plusieurs entretiens sont prévus. Demandez le calendrier dès le premier échange pour éviter les mauvaises surprises.

Est-ce que les entretiens se passent en anglais ?

C'est fréquent, surtout quand l'équipe est internationale, mais ce n'est pas systématique. Préparez vos explications techniques dans les deux langues et confirmez la langue d'entretien avec le recruteur avant le rendez-vous.

Comment savoir si mon CV passe les filtres automatiques ?

Faites-le tester par un outil de compatibilité ATS et comparez les mots-clés de votre CV avec ceux de l'annonce. Vous pouvez aussi parcourir nos conseils de candidature pour ajuster votre approche selon le type de poste visé.