TCS Data Scientist: mots-cles CV et preparation entretien

Vous venez de tomber sur une offre TCS Data Scientist et votre CV ressemble à tous les autres. Le recruteur passe quelques dizaines de secondes par candidature, parfois moins. L'enjeu est double : rendre votre parcours lisible au premier tri, puis arriver à l'entretien avec des réponses précises.

Lire l'offre avant de réécrire quoi que ce soit#

Chez un intégrateur comme TCS, les postes de data scientist sont souvent rattachés à des missions clients. L'annonce parle alors de livraison, de production, de travail avec des équipes métier. Un poste en interne dans une start-up ne se décrit pas de la même façon.

Prenez l'offre telle qu'elle est écrite. Repérez les outils nommés, les verbes d'action, le vocabulaire métier. Si l'annonce dit "mise en production" ou "feature engineering", gardez ces expressions dans votre CV. Le décodeur d'offre d'emploi peut vous aider à trier ce qui est demandé réellement de ce qui est du remplissage.

Ne devinez jamais le process interne de recrutement. Personne ne connaît l'ordre exact des entretiens à l'avance, et ça change selon les équipes. Préparez-vous sur le fond, pas sur des suppositions.

Choisir les mots-clés qui comptent#

Une liste de technologies ne suffit pas. Le tri automatique cherche des termes exacts, et le recruteur humain cherche des preuves. Les deux doivent se retrouver dans votre CV.

Les mots-clés reviennent souvent sur ce type de poste :

• Python, pandas, scikit-learn, TensorFlow ou PyTorch selon l'annonce
• SQL, jointures, fonctions fenêtre, optimisation de requêtes
• Machine learning supervisé, non supervisé, séries temporelles
• Feature engineering, sélection de variables, validation croisée
• Métriques : précision, rappel, AUC, RMSE, F1
• Mise en production, API, Docker, MLOps, suivi de modèle
• Cloud : Azure, AWS ou GCP
• Visualisation et restitution : Power BI, Tableau, matplotlib
• Travail avec des parties prenantes non techniques

Adaptez cette liste à l'offre devant vous. Si l'annonce ne mentionne pas PyTorch, ne le placez pas en premier. Un vérificateur de compatibilité avec les ATS permet de voir si votre CV reprend bien les termes de l'offre avant de l'envoyer.

Exemple de reformulation d'une ligne de CV#

Voici une phrase que je vois tout le temps :

"Responsable de projets de machine learning en entreprise."

Elle ne dit rien. Personne ne peut vérifier quoi que ce soit, ni savoir ce que vous savez faire un mardi matin.

Version réécrite :

"Conception d'un modèle de prévision de churn en Python (pandas, scikit-learn) sur 18 mois de données clients, mise en production via une API FastAPI, suivi hebdomadaire des prévisions par l'équipe marketing."

Trois choses changent. La stack est nommée. La mise en production est explicite. L'usage par un destinataire réel est visible. Reprenez ce schéma avec vos propres projets, vos propres volumes, vos propres outils. Si vous n'avez pas de chiffres, décrivez l'échelle honnêtement : nombre de tables, fréquence de rafraîchissement, taille de l'équipe. N'inventez jamais un pourcentage d'amélioration.

Ce qu'on peut préparer sans connaître le process#

Gardez les fondamentaux en état de marche. SQL d'abord : jointures, agrégations, fonctions fenêtre, requêtes imbriquées. Les exercices chronométrés révèlent vite les oublis.

Côté machine learning : biais et variance, fuite de données, choix d'une métrique, déséquilibre des classes, validation croisée. Une réponse bâclée sur la fuite de données coûte cher, c'est le genre de piège qui revient.

La mise en production mérite une histoire concrète de votre côté. Comment le modèle est déclenché, comment il est surveillé, qui regarde les résultats, ce qui se passe quand il se dégrade.

Préparez aussi la partie comportementale. Les questions tournent souvent autour d'un conflit avec un collègue, d'un projet en retard, d'une demande client mal formulée. Répondez avec un exemple réel, court, sans jargon.

Exemple de réponse à la question "Parlez-moi d'un modèle que vous avez mis en production" :

"En 2024, j'ai travaillé sur un modèle de prévision de demande pour un client de la distribution. Le besoin était mal cadré au départ : l'équipe métier voulait une prévision mensuelle alors que leurs décisions d'achat se prenaient chaque semaine. J'ai proposé de livrer d'abord une version simple, une régression linéaire sur l'historique de ventes, avec un tableau de suivi. Ce premier jet a permis d'ajuster la granularité ensemble. Ensuite, j'ai remplacé le modèle par un gradient boosting, je l'ai mis en production derrière une API, et j'ai laissé une procédure de revue mensuelle des écarts. Le point utile : la première version n'était pas la meilleure techniquement, mais elle a permis de comprendre le vrai besoin."

Cette réponse montre un arbitrage, pas un triomphe. C'est ce qu'on attend d'un profil qui travaille en mission.

Le marché local, ce qui change en France#

Pour un poste en France, la communication client se fait en français dans la plupart des missions, avec un anglais technique courant. Si votre CV est rédigé en anglais uniquement, vous perdez des opportunités. Gardez les deux versions.

Le contexte d'ESN implique souvent une mobilité géographique, des missions chez le client, une alternance entre plusieurs environnements techniques. La politique de télétravail dépend de la mission, pas seulement de l'entreprise. Posez la question tôt.

La rémunération varie selon la ville, l'expérience et la mission. Selon les retours de terrain, on voit souvent des fourchettes de l'ordre de 35 000 à 55 000 euros brut annuel pour un profil confirmé, parfois au-delà sur des postes spécialisés. Ces chiffres bougent, vérifiez toujours la source officielle et les offres en cours sur les offres d'emploi data scientist avant de négocier.

Si vous avez besoin d'une autorisation de travail, renseignez-vous auprès des sources officielles françaises avant d'engager le process. Aucun recruteur ne peut garantir un titre de séjour, et il faut se baser sur les textes en vigueur.

Checklist avant d'envoyer votre candidature#

• Relire l'offre et entourer les termes techniques exacts qu'elle contient
• Vérifier que ces termes apparaissent dans votre CV, dans un contexte réel
• Remplacer les phrases vagues par une action, un outil et un résultat
• Retirer les compétences que vous ne pouvez pas défendre en entretien
• Adapter le titre du profil à l'intitulé de l'offre
• Contrôler la mise en page avec un test de lecture automatique du CV
• Préparer trois exemples de projets détaillables en cinq minutes
• Réviser SQL, les métriques et la mise en production la veille
• Préparer vos questions sur la mission, l'équipe et le mode de travail
• Garder une version PDF et une version éditable du CV

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 tous les outils que je connais sur le CV ?

Non. Mettez ceux qui figurent dans l'offre et ceux que vous maîtrisez vraiment. Une liste longue attire des questions précises, et une réponse floue sur un outil fait mauvais effet.

Combien de temps préparer l'entretien technique ?

Comptez deux semaines si vous travaillez déjà, avec une à deux heures par jour. SQL et les fondamentaux du machine learning demandent de l'entraînement régulier plutôt qu'une veille de dernière minute.

Dois-je réécrire mon CV pour chaque candidature ?

Pour les offres qui vous intéressent, oui, en partie. Le corps du CV reste stable, mais le titre, l'accroche et l'ordre des compétences s'ajustent à l'annonce. C'est un travail de dix minutes si votre CV est bien structuré.

Comment parler d'un projet scolaire ou de formation ?

Présentez-le comme un vrai projet : contexte, données, méthode, résultat, limites. Un projet bien expliqué vaut mieux qu'un stage brillant raconté en trois phrases.

Que faire si je n'ai pas encore mis de modèle en production ?

Dites-le franchement, puis décrivez ce que vous avez fait pour vous en approcher : conteneur, API de démonstration, script de déploiement, suivi manuel des prévisions. L'honnêteté sur le niveau réel passe mieux qu'un CV gonflé.