Tech Mahindra Machine Learning Engineer: mots-cles CV et preparation entretien

Vous envoyez votre CV pour un poste Machine Learning Engineer chez Tech Mahindra et vous n'obtenez aucun retour. Le problème vient presque toujours du même endroit : vos mots-clés ne collent pas à ceux de l'annonce, et vos réalisations sont écrites comme des tâches au lieu d'être écrites comme des résultats.

Ce que ce type de poste montre concrètement#

Tech Mahindra est un intégrateur de services informatiques, implanté en France sur des missions pour de grands comptes en banque, télécom, industrie et secteur public. Un ingénieur machine learning chez eux travaille rarement seul sur un produit maison. Il intervient sur la chaîne de données d'un client, sous contrainte de délais et de documentation, souvent sur du code écrit avant lui.

Je ne connais pas leur process interne de recrutement et je ne vais pas inventer une grille d'évaluation qui n'existe peut-être pas. L'annonce, elle, vous dit tout ce qu'il faut savoir. Relisez-la ligne par ligne avant de toucher à votre CV.

Les mots-clés à faire apparaître sur votre CV#

Quatre familles reviennent dans ce genre d'offre. Notez-les avec les mots exacts de l'annonce, pas avec vos synonymes préférés.

• Langages et outils : Python, SQL, Git, Docker, API REST.
• Traitement de données : ETL, feature engineering, nettoyage de données, pipeline de données.
• Cycle de vie du modèle : entraînement, validation, déploiement, monitoring, MLOps.
• Cloud et collaboration : AWS, Azure ou GCP selon l'annonce, revue de code, méthode agile, documentation technique, anglais professionnel.

Une règle simple : si un mot-clé apparaît dans l'annonce et que vous maîtrisez l'outil correspondant, il doit apparaître quelque part sur votre CV. Sinon, un tri automatique peut vous écarter avant qu'un humain lise quoi que ce soit. Vous pouvez comparer votre document au texte de l'annonce avec le vérificateur ATS gratuit, qui repère les termes manquants et les problèmes de mise en forme.

Si l'annonce est longue et bourrée de jargon, utilisez le décodeur d'offre d'emploi pour en extraire les compétences réellement demandées et les responsabilités du poste. C'est plus fiable que de deviner.

Un exemple de reformulation#

Version faible, celle que je vois tout le temps :

"Responsable de la création de modèles de machine learning pour le service marketing."

Version retravaillée, avec des éléments vérifiables :

"Développé et mis en production un modèle de prévision de churn (Python, scikit-learn, XGBoost) sur un flux de [volume] clients : temps de traitement passé de [durée] à [durée] après refonte du pipeline ETL, suivi de la dérive en production avec [outil]."

Remplissez les crochets avec vos chiffres réels. Si vous n'avez rien mesuré, n'inventez rien : dites plutôt que le pipeline est passé de traitement manuel à traitement planifié, et précisez qui s'en sert aujourd'hui.

Adapter le CV sans gonfler votre rôle#

Chez un intégrateur, la frontière entre votre travail et celui du client est floue. C'est normal. Décrivez ce que vous avez fait, puis précisez le périmètre.

Exemple honnête : "Conçu le pipeline de préparation des données pour l'équipe analytics du client (Python, Airflow), repris après mon départ par deux analystes." Ça montre la portée sans prétendre que vous étiez le seul décisionnaire.

Autres points de vigilance :

• Ne recopiez pas l'annonce dans votre CV mot pour mot. Un recruteur le voit tout de suite.
• Gardez les acronymes internes du client hors du CV, personne hors de la mission ne les comprend.
• Mettez l'anglais au niveau réel. Un entretien technique en anglais arrive vite sur les missions internationales.
• Sortez les outils que vous n'avez touchés qu'en formation courte. On vous posera des questions dessus.
• Placez vos deux ou trois réalisations les plus solides en haut du CV, sous le titre du poste.

Préparer l'entretien technique#

Sur ce type de poste, on vous demande souvent quatre choses : écrire du SQL correctement, manipuler des données en Python, expliquer le fonctionnement d'un modèle, et dire comment vous l'avez amené en production. Révisez dans cet ordre.

Côté machine learning, soyez solide sur le surapprentissage, le choix des métriques, la validation croisée, le déséquilibre des classes et le comportement d'un modèle dans le temps. Côtie mise en production : versionner le modèle, surveiller la dérive, gérer un cas d'échec de l'API. Côté Python : pandas, les fonctions, les structures de données de base, lire un traceback sans paniquer.

Pour la question "parlez-moi d'un modèle que vous avez mis en production", voici une réponse d'environ une minute, structurée pour aller droit au but :

"Sur mon poste précédent, le service client voulait anticiper les demandes de remboursement. Les volumes étaient faibles et les données très déséquilibrées. J'ai commencé par la métrique : la précision classique n'aurait rien dit, j'ai suivi le rappel et la matrice de confusion. J'ai monté une validation temporelle pour ne pas mélanger les périodes. Le modèle est sorti derrière une API Flask, avec un contrôle de dérive mensuel. Le point faible que je corrigerais aujourd'hui : je surveillais la dérive à la main, alors qu'un test automatisé aurait suffi."

Cette dernière phrase est utile. Montrer une limite que vous avez comprise vaut mieux qu'un récit parfait.

Le marché français et ce qu'il faut vérifier#

Les conditions varient beaucoup d'une mission à l'autre chez un intégrateur : rythme, télétravail, déplacements chez le client, durée de la mission. Demandez-les explicitement au premier échange. Le titre "Machine Learning Engineer" couvre parfois un poste très orienté data engineering, avec peu de modélisation. Si c'est ce qui vous intéresse, précisez-le.

Côté rémunération, les fourchettes annoncées pour un ingénieur machine learning en France varient selon la ville, l'expérience et la mission. Repérez les montants dans les offres en cours plutôt que dans des moyennes datées. Pour les candidats hors Union européenne, aucune promesse d'obtention de visa n'est fiable : vérifiez les règles actuelles sur le site officiel de l'administration française et demandez au recruteur qui porte la démarche.

Pour suivre les postes ouverts et comparer les intitulés entre entreprises, les offres d'emploi data et IA sont un bon point de départ. Les autres guides pratiques sur la préparation d'entretien sont disponibles dans le blog carrière.

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 pour un poste Machine Learning Engineer chez Tech Mahindra ?

Prenez ceux de l'annonce, avec leurs mots exacts : Python, SQL, ETL, MLOps, déploiement, cloud, méthode agile. Ajoutez-les uniquement là où c'est vrai, dans vos expériences ou vos outils.

Faut-il mentionner Tech Mahindra dans son CV ou sa lettre ?

Non, pas dans le CV. Dans la lettre ou le message au recruteur, une phrase sur le contexte de mission ou le secteur du client suffit, sans prétendre connaître leurs méthodes internes.

Quelle rémunération demander pour ce type de poste en France ?

Les fourchettes varient selon la ville, l'expérience et la mission, et elles bougent d'une année sur l'autre. Regardez les offres publiées récemment, puis validez votre fourchette avec le recruteur plutôt qu'avec une moyenne trouvée en ligne.

Le process de recrutement est-il le même partout chez Tech Mahindra ?

Je ne peux pas l'affirmer, et méfiez-vous de quiconque le fait. Le nombre d'entretiens et leur contenu dépendent souvent de la mission visée : demandez au recruteur le déroulé exact dès le premier appel.

Que faire si mon profil est orienté data engineering plutôt que modelling ?

Postulez quand même si l'annonce mentionne des pipelines, de l'ETL et du déploiement. Mettez en avant la fiabilité des données et la mise en production, et dites clairement ce que vous voulez faire ensuite.