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

Vous visez un poste de Machine Learning Engineer chez TCS et vous ne savez pas quels mots-clés mettre dans votre CV ni comment préparer l'entretien. C'est un vrai sujet. TCS est un intégrateur informatique de taille mondiale, et ses postes ML sont souvent rattachés à des missions clients, ce qui change la manière de présenter votre profil.

Comprendre ce que TCS attend d'un ML Engineer#

Chez un intégrateur comme TCS, votre travail ne se limite pas à entraîner des modèles. Vous êtes souvent amené à déployer, maintenir et documenter des systèmes qui tournent pour un client, parfois dans des contraintes de sécurité ou de conformité strictes.

Le recruteur cherche donc quelqu'un qui sait passer d'un notebook à un service en production. Il veut aussi quelqu'un qui peut expliquer ses choix à une équipe métier, pas seulement à d'autres data scientists.

Les compétences qui reviennent dans les offres

Les intitulés varient beaucoup: Machine Learning Engineer, MLOps Engineer, AI Engineer, Data Scientist appliqué. Lisez l'offre mot par mot avant de postuler. Un outil gratuit comme le décodeur d'offres d'emploi peut vous aider à extraire les exigences réelles d'une annonce.

En pratique, les offres de ce type mentionnent souvent Python, les frameworks de deep learning, la mise en production de modèles, les plateformes cloud, et parfois des briques MLOps comme le versioning de données ou le monitoring de modèles. Le niveau attendu dépend du poste et de la mission.

Les mots-clés à mettre dans votre CV#

Ne faites pas une liste de technologies en vrac. Chaque mot-clé doit être relié à un résultat ou à une mise en œuvre concrète.

Les termes qui reviennent le plus souvent dans ce type d'offre: Python, scikit-learn, PyTorch ou TensorFlow, feature engineering, mise en production, API REST, Docker, Kubernetes, CI/CD, MLflow, Airflow, Spark, SQL, et les grands noms du cloud (AWS, Azure, GCP). Ajoutez aussi des termes liés à la qualité du modèle: drift, monitoring, A/B testing, explicabilité.

Attention à un piège classique. Si vous écrivez "maîtrise de Kubernetes" sans jamais l'avoir utilisé en équipe, vous le verrez à l'entretien. Mieux vaut un vocabulaire modeste et exact.

Exemple de phrase de CV réécrite

Version faible: "Travail sur des modèles de machine learning pour la prévision de la demande."

Version plus forte: "Développé un modèle de prévision de la demande (scikit-learn, XGBoost) déployé en API sur AWS, avec suivi du drift et réentraînement mensuel, utilisé par une équipe supply chain de 8 personnes."

La deuxième version dit ce que vous avez fait, avec quels outils, et pour qui. C'est ce format qui passe les premières lectures.

Vérifiez aussi la façon dont votre CV est lu par les logiciels de recrutement. Un test gratuit de compatibilité ATS vous montre si vos mots-clés et votre mise en page sont correctement détectés.

Adapter votre CV à une offre TCS spécifique#

Ne postulez pas avec un CV générique. Pour chaque annonce, repérez les deux ou trois compétences les plus citées et remontez-les en haut de votre CV, dans le résumé et dans les expériences.

Si l'offre insiste sur le MLOps, mettez vos travaux de déploiement et de monitoring en premier. Si elle parle de NLP, remontez vos projets de traitement du texte. L'ordre des informations compte autant que le contenu.

Gardez une section "projets" si vous êtes junior ou en reconversion. Un projet personnel bien décrit, avec le problème, la méthode et le résultat, vaut mieux qu'une liste de cours suivis.

Ce qui change sur le marché français#

En France, TCS recrute via ses entités locales, souvent pour des missions chez des clients dans la banque, l'assurance, la télécom ou l'industrie. Le poste peut être basé dans une ville précise, en télétravail partiel, ou nécessiter des déplacements chez le client. Ces détails varient d'une offre à l'autre, lisez-les attentivement.

Les niveaux de salaire pour un ML Engineer en France varient selon l'expérience, la ville et le type de mission. Les fourchettes annoncées vont souvent de niveaux juniors autour de 38 000 à 45 000 euros bruts annuels, à des profils expérimentés au-delà de 60 000 euros, parfois plus en Île-de-France. Ces chiffres sont indicatifs et fluctuent. Vérifiez les sources officielles et les offres en cours sur les offres d'emploi avant toute négociation.

Si vous êtes étranger et que vous postulez depuis l'étranger, la question du permis de travail se pose. Les règles dépendent de votre nationalité, du type de contrat et de la durée. Renseignez-vous sur les sites officiels français avant de vous projeter.

Préparer l'entretien technique#

Un entretien pour ce type de poste combine souvent trois blocs: vos expériences passées, des questions techniques sur le ML et l'ingénierie logicielle, et un échange sur votre façon de travailler en mission client. Le format exact varie selon le poste et le recruteur, ne partez pas d'un plan fixe.

Pour la partie technique, révisez les fondamentaux: comment fonctionne un arbre de décision, pourquoi un modèle surapprend, comment vous traitez des données déséquilibrées, comment vous mesurez la performance au-delà de l'accuracy. Préparez aussi du code simple à écrire à la main ou dans un éditeur partagé.

Sur la partie ingénierie, attendez-vous à parler de la vie d'un modèle après l'entraînement: versioning, tests, déploiement, monitoring, réentraînement. Si vous avez utilisé un outil précis, dites-le. Sinon, expliquez comment vous procéderiez.

Exemple de réponse à une question classique

Question: "Comment détectez-vous qu'un modèle en production se dégrade?"

Réponse possible: "Je regarde d'abord la distribution des features d'entrée par rapport à la période d'entraînement, pour détecter un drift de données. Ensuite je suis la métrique métier, par exemple le taux de conversion si c'est un modèle de scoring, avec un seuil d'alerte défini avec l'équipe. Si le drift ou la baisse de métrique dépasse le seuil, je réentraîne sur les données récentes et je compare avant de remplacer le modèle en production. Dans mon dernier projet, ce suivi a été fait avec des rapports hebdomadaires et un réentraînement mensuel."

Cette réponse montre une méthode, un lien avec la métrique métier, et un exemple vécu. C'est plus utile qu'une liste d'outils.

Ce que vous pouvez préparer à l'avance#

Préparez deux ou trois histoires courtes sur vos projets. Pour chacune, ayez clair: le problème, votre rôle, les choix techniques, le résultat, et ce que vous referiez autrement. Les recruteurs posent souvent des questions de type "racontez-moi un moment où..." et ces récits servent dans plusieurs contextes.

Préparez aussi des questions à poser: sur la mission, sur l'équipe, sur les outils utilisés, sur la façon dont le succès est mesuré. Cela montre que vous pensez au poste, pas seulement à l'embauche.

• Relisez l'offre et listez les 5 mots-clés récurrents
• Vérifiez que chaque mot-clé du CV correspond à une expérience réelle
• Testez la lisibilité de votre CV avec un outil de compatibilité ATS
• Révisez les fondamentaux du ML: métriques, biais, variance, features
• Préparez deux projets racontés en 3 minutes chacun
• Entraînez-vous à coder du Python simple sans environnement complet
• Préparez vos questions sur la mission et l'équipe
• Vérifiez votre situation administrative si vous postulez depuis l'étranger

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 parler français pour un poste ML chez TCS en France?

Cela dépend de la mission et de l'équipe. Certaines équipes internes fonctionnent en anglais, mais les missions clients en France exigent souvent un bon niveau de français pour les échanges avec les parties prenantes. Regardez la langue de l'offre, elle donne un indice fiable.

Combien de temps dure le processus de recrutement?

La durée varie selon le poste, le client final et les disponibilités des équipes. Comptez généralement plusieurs semaines entre la candidature et une décision, parfois plus si la mission chez le client demande des validations supplémentaires. Demandez le calendrier prévu au premier échange.

Dois-je connaître le cloud pour postuler?

Pour beaucoup d'offres de ML Engineer, oui, au moins les concepts de base. Si vous n'avez utilisé qu'un seul fournisseur, dites-le clairement et montrez que vous comprenez les principes communs. Un manque d'expérience cloud n'est pas rédhibitoire pour tous les postes, cela dépend de la mission.

Que mettre dans un CV si je débute en machine learning?

Mettez vos projets, même académiques ou personnels, en avant avec le problème résolu et les outils utilisés. Ajoutez vos compétences en développement logiciel, car elles comptent beaucoup pour ce type de poste. Évitez les listes de cours sans mise en pratique.

Comment savoir si mon CV passe les filtres automatiques?

Testez-le avec un outil qui analyse la compatibilité ATS et comparez le résultat avec les mots-clés de l'offre visée. Un vérificateur gratuit de compatibilité ATS peut vous donner un premier diagnostic. Corrigez ensuite les écarts les plus importants, sans bourrer le CV de termes hors contexte.