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

Vous postulez chez Shopify comme Machine Learning Engineer et votre CV part à la poubelle sans retour. C'est le problème le plus courant, et il se règle en ajustant votre CV et votre préparation d'entretien à ce que le poste demande vraiment.

Pas de processus interne magique à connaître. Juste une lecture fine de l'offre, des exemples concrets, et une préparation qui suit le travail réel d'un MLE.

Lire l'offre comme un ingénieur, pas comme un candidat#

Avant d'écrire une ligne de CV, décortiquez l'annonce. Repérez les outils nommés, les responsabilités, et le vocabulaire exact utilisé. Puis reprenez ces termes dans votre CV, sans forcer.

Un outil comme le décodeur d'offre d'emploi vous aide à extraire les mots-clés réels d'une annonce Shopify. Vous verrez vite si l'offre parle de recommandation, de prévision, de NLP, ou de mise en production de modèles.

Mots-clés à inclure dans votre CV#

Shopify publie des offres variées. Les intitulés changent, les stacks aussi. Mais certains mots reviennent souvent dans les offres MLE.

Côté ML et data :

• PyTorch, TensorFlow, JAX
• Python, SQL, Scala parfois
• Scikit-learn, XGBoost, LightGBM
• NLP, LLM, embeddings, RAG
• Systèmes de recommandation, prévision de la demande
• Computer vision, détection de fraude

Côté production et plateforme :

• MLOps, CI/CD pour modèles
• Kubernetes, Docker, Terraform
• Airflow, Kubeflow, MLflow
• Feature store, monitoring de modèles
• BigQuery, Snowflake, Spark, Kafka
• GCP, AWS, Azure

Côté travail d'équipe :

• Expérimentation A/B, mesure d'impact
• Revue de code, mentorat
• Travail avec des équipes produit
• Rigueur sur la confidentialité des données

Choisissez seulement ceux qui correspondent à votre expérience réelle. Un recruteur repère en trente secondes une liste de mots-clés sans preuve derrière.

Rédiger des bullets qui prouvent#

Un bullet utile dit quoi, comment, et avec quel résultat. Pas d'adjectifs vides. Pas de "responsable de".

Voici un exemple de réécriture.

Avant : "J'ai travaillé sur des modèles de machine learning pour améliorer les performances."

Après : "J'ai conçu et mis en production un modèle de prévision de la demande en PyTorch, réduisant l'erreur de prédiction de 18% sur 3 catégories de produits, avec monitoring hebdomadaire via MLflow."

Le second bullet est plus court à lire, mais il porte mille fois plus d'information. Le recruteur voit le cadre, la stack, et l'impact mesurable.

Autre exemple, plus orienté plateforme :

"J'ai automatisé l'entraînement et le déploiement de 12 modèles de fraude avec Kubeflow et GCP, divisant par 4 le temps entre expérimentation et mise en production, sans incident majeur sur 9 mois."

Si vous n'avez pas de chiffre précis, donnez un ordre de grandeur honnête. "Environ 20 modèles", "sur plusieurs régions", "pour une équipe de 8 personnes". L'approximation honnête vaut mieux qu'un chiffre inventé.

Vérifier la compatibilité ATS#

Shopify, comme toute grande boîte technique, filtre probablement les CV par un système avant qu'un humain les lise. Un CV mal structuré disparaît avant tout le monde.

Le vérificateur ATS gratuit vous montre si votre format passe ce premier filtre. Testez votre CV finalisé, pas votre brouillon.

Checklist avant d'envoyer votre candidature :

• Le titre du poste exact de l'offre apparaît quelque part dans votre CV
• Les mots-clés techniques sont intégrés dans les bullets, pas empilés dans un bloc de compétences
• Chaque bullet contient un verbe d'action, un contexte, et un résultat
• Le format est simple, sans tableau, sans image, sans colonnes exotiques
• Votre LinkedIn correspond aux dates et intitulés de votre CV
• Vous avez retiré les compétences que vous ne pourriez pas défendre en entretien
• L'email et le téléphone sont corrects, en haut, lisibles

Se préparer pour l'entretien technique#

L'entretien MLE chez Shopify couvre en général plusieurs dimensions. Les témoignages de candidats décrivent souvent du coding, du ML fondamental, de la conception de systèmes, et un volet comportemental. Les formats exacts varient selon l'équipe et l'année.

Pour le coding, entraînez-vous sur des problèmes classiques en Python. Structures de données, complexité, nettoyage de code. Rien de sorcier, mais il faut être fluide.

Pour le ML, révisez les fondations. Biais-variance, régularisation, évaluation de modèles, déséquilibre de classes, fuite de données. On vous demandera d'expliquer un choix de modèle, pas de réciter un cours.

Pour la conception de systèmes, préparez des schémas mentaux. Comment concevoir un système de recommandation, un moteur de fraude temps réel, ou un pipeline LLM avec récupération. Pensez données, latence, coût, monitoring, et mise à jour des modèles.

Un exemple de réponse comportementale#

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

Réponse : "Sur un projet de prévision de ventes, les données de stock arrivaient avec deux jours de retard et contenaient des doublons. J'ai commencé par quantifier l'ampleur du problème avec un audit simple, environ 12% des lignes étaient concernées. Ensuite j'ai travaillé avec l'équipe data pour ajouter une validation en entrée de pipeline, et j'ai entraîné le modèle sur une fenêtre glissante pour limiter l'impact du retard. L'erreur de prédiction a baissé de façon stable sur les deux mois suivants. Ce que j'en retiens, c'est que la qualité des données n'est pas un détail en aval, c'est une contrainte de conception."

Cette réponse suit une structure simple : contexte, action, résultat, apprentissage. Pas de jargon, pas de mise en scène.

Le marché français face aux offres Shopify#

Shopify est une entreprise canadienne, avec des équipes à distance. Pour un candidat en France, la réalité est nuancée. Les offres ouvertes aux candidats français dépendent des besoins de l'équipe et des accords de travail à distance en vigueur au moment de votre candidature.

La rémunération varie selon le niveau, le pays de résidence, et la politique interne du moment. Les fourchettes publiées sur des sites tiers sont souvent approximatives et datent parfois. Vérifiez toujours la source officielle de l'offre et discutez la rémunération avec le recruteur directement.

Si l'offre implique une relocation, renseignez-vous sur le permis de travail auprès des sources officielles canadiennes ou françaises. Aucun recruteur ne peut vous garantir un visa à l'avance, et méfiez-vous de qui prétend le contraire.

Côté langue, la plupart des équipes techniques travaillent en anglais. Préparez-vous à passer l'entretien, ou partie de l'entretien, dans cette langue. Entraînez-vous à expliquer un projet technique en anglais à voix haute, pas seulement à le lire.

Pour explorer d'autres offres MLE ouvertes aux candidats francophones, le moteur de recherche d'offres regroupe des annonces actuelles dans plusieurs pays. Utile pour comparer les stacks demandées et calibrer votre CV.

Ce qui fait la différence entre deux profils#

Deux candidats avec la même stack ne sont pas égaux. Celui qui passe à l'entretien raconte un travail réel, avec des limites assumées et des résultats mesurés.

Montrez que vous savez prioriser. Que vous avez dit non à une complexité inutile. Que vous avez mesuré avant et après. Que vous avez travaillé avec des gens qui ne sont pas des ingénieurs ML.

Les recruteurs techniques lisent entre les lignes. Un CV qui liste quinze outils sans contexte ressemble à un CV générique. Un CV qui montre trois projets avec des décisions explicites ressemble à un ingénieur.

D'autres conseils sur la rédaction de CV et la préparation d'entretien sont disponibles dans nos guides pratiques sur le blog.

Questions fréquentes#

Faut-il parler de Shopify dans son CV ?

Non, pas de manière forcée. Ce qui compte, c'est d'aligner votre vocabulaire sur celui de l'offre spécifique à laquelle vous postulez. Mentionnez Shopify uniquement dans une phrase d'accroche si vous expliquez votre motivation, jamais dans les bullets d'expérience.

Quels projets personnels valorisent le plus pour un poste MLE ?

Les projets où vous avez mené un modèle jusqu'en production, avec monitoring et contraintes réelles. Un notebook Kaggle propre est bien, un service qui tourne et que vous savez décrire en entretien est mieux. La qualité de l'explication compte autant que le projet lui-même.

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

Comptez plusieurs semaines si vous reprenez les fondations ML et le coding en parallèle. Une préparation sérieuse demande du temps de pratique, pas seulement de la lecture. Les candidats qui s'y prennent tard se retrouvent à réviser la veille, et ça se voit.

Le CV doit-il être en anglais ou en français ?

Si l'offre est rédigée en anglais, envoyez un CV en anglais. La cohérence entre la langue de l'offre et celle du CV est un signal simple de sérieux. Préparez une version française pour les recruteurs francophones si on vous la demande.

Que faire si mon profil ne correspond pas à 100% de l'offre ?

Postulez si vous couvrez l'essentiel des responsabilités principales. Les offres décrivent souvent un profil idéal que personne ne remplit entièrement. Ce qui bloque une candidature, c'est l'absence de preuves concrètes, pas l'absence d'un outil sur dix.