Uber Data Scientist: mots-cles CV et preparation entretien

Vous visez un poste de Data Scientist chez Uber et vous ne savez pas quoi mettre dans votre CV pour passer la sélection. Le problème est simple : les offres du groupe sont rédigées en anglais, elles mélangent des termes très différents selon les équipes, et votre CV français ne reprend presque aucun de ces mots. Résultat, votre candidature disparaît dans la masse avant qu'un humain ne la lise.

Voici comment corriger ça sans inventer de processus interne, avec des mots-clés concrets, un exemple de phrase de CV réécrite, et un plan de préparation d'entretien réaliste.

Comprendre ce que Uber attend vraiment#

Uber recrute des Data Scientists dans des contextes variés : marketplace, pricing, matching, fraud, ads, ou support client. Les intitulés changent, mais le fond reste le même. On vous demande de transformer des données en décision produit, avec une méthode rigoureuse et un impact mesurable.

Sur le marché français, l'offre est plus limitée qu'aux États-Unis. Les équipes data d'Uber en France sont concentrées sur des fonctions spécifiques, et beaucoup de postes ouverts à Paris couvrent aussi des marchés européens. Si vous ciblez la France, surveillez les offres data science sur notre moteur et vérifiez la localisation exacte avant de postuler, car un même intitulé peut couvrir des périmètres très différents selon le site.

Attention aussi aux attentes de langue. Un CV en français peut passer pour des postes basés en France, mais la majorité des descriptions sont en anglais et les entretiens s'y déroulent souvent. Préparez-vous à parler technique en anglais, sans quoi le reste de votre préparation ne servira à rien.

Les mots-clés qui comptent sur un CV Uber Data Scientist#

Ne faites pas un copier-coller de l'offre. Repérez les termes récurrents et intégrez ceux qui correspondent à votre expérience réelle. Si vous mentez sur un mot-clé, l'entretien technique le verra en trois questions.

Voici les familles de mots-clés à faire apparaître quand elles sont vraies pour vous :

• Analyse causale, A/B testing, expérimentation, test de significativité
• Modélisation prédictive, machine learning, classification, régression, séries temporelles
• SQL, Python, R, Spark, Hive, BigQuery, tableaux de bord
• Marketplace, matching, pricing, dynamique de l'offre et de la demande
• Métriques produit, rétention, conversion, revenus par utilisateur, latence
• Feature engineering, validation croisée, sélection de modèle, calibration
• Communication vers des équipes non techniques, recommandation, arbitrage
• Rigueur analytique, méthodologie, reproductibilité, documentation

Pour savoir quels de ces mots sont prioritaires sur une offre précise, décodez l'annonce avant de rédiger. Notre outil d'analyse d'offres d'emploi vous montre les compétences réellement demandées et les termes que vous n'utilisez pas encore.

Réécrire un bullet de CV : exemple concret#

Prenons une phrase classique que beaucoup de candidats envoient :

« Responsable de l'analyse des données de ventes et de la création de tableaux de bord pour le suivi des performances. »

C'est vague. Pas de contexte, pas de méthode, pas de résultat. Voici une version qui tient la route et qui parle le langage d'Uber :

« Conçu et déployé un modèle de prévision de la demande hebdomadaire (Python, XGBoost) sur 12 mois de données de transactions, réduisant l'erreur de prédiction de 18 % et permettant à l'équipe ops d'ajuster les plannings deux semaines à l'avance. »

Ce qui change : une méthode nommée, une stack technique, une fenêtre de données, un chiffre issu de votre propre travail, et une décision prise grâce à vous. Ce format fonctionne pour un poste marketplace, un poste pricing ou un poste ops. Adaptez seulement le vocabulaire métier.

Passer l'ATS sans perdre son style#

Uber reçoit un volume énorme de candidatures. Avant tout regard humain, votre CV passe souvent par un filtre automatique qui compare vos mots à ceux de l'offre. Deux erreurs fréquentes : un PDF illisible pour la machine, et un CV qui ne contient aucun des termes de l'annonce.

Vérifiez votre document avec notre vérificateur de compatibilité CV gratuit avant d'envoyer. Il vous montre ce que la machine lit réellement, et quels mots-clés manquent pour cette offre précise.

Quelques points à contrôler à la main aussi :

• Format simple, sans colonnes compliquées ni images de fond
• Compétences techniques listées en texte brut, pas dans des icônes
• Intitulés de postes clairs, avec les dates en format standard
• Résultats chiffrés sur au moins la moitié de vos expériences
• Une page suffit si vous avez moins de huit ans d'expérience

Préparer l'entretien technique#

Le processus exact varie selon les équipes et les régions, et il peut évoluer. Ne construisez pas votre préparation sur des témoignages de blogs sur un processus précis, car ils datent vite et ne reflètent pas forcément votre équipe. Travaillez plutôt les fondamentaux qui reviennent partout.

Côté technique, attendez-vous à du SQL écrit en direct, de la probabilité appliquée, et des questions de modélisation où on vous demande de justifier vos choix. Préparez aussi un cas produit : comment définir une métrique, comment concevoir un test, comment interpréter un résultat contre-intuitif. C'est là que la plupart des candidats trébuchent, pas sur le code.

Côté expérience, structurez vos réponses avec une méthode simple : situation, action, résultat, et ce que vous referiez différemment. Pas besoin de jargon.

Exemple de réponse à « Parlez-moi d'une fois où vos données ont contredit l'intuition de l'équipe » :

« Sur un projet de rétention, l'équipe pensait que le problème venait du prix. J'ai segmenté la base par cohorte et canal d'acquisition, et j'ai vu que la baisse concernait surtout les utilisateurs ayant eu une mauvaise première expérience en livraison, pas les plus chers. J'ai proposé un test sur le parcours de première commande. Après quatre semaines, la rétention à 30 jours de ce segment a remonté de 9 points. J'ai retenu de toujours vérifier la segmentation avant de valider une explication évidente. »

Cette réponse donne un contexte, une action précise, un résultat, et une leçon. Elle fonctionne dans n'importe quel format d'entretien comportemental.

Le cas pratique : structurer votre pensée#

Sur un cas marketplace, on vous demandera souvent d'estimer une grandeur, de diagnostiquer une baisse, ou de concevoir un test. La méthode compte plus que le chiffre final. Voici une trame à suivre à voix haute :

• Reformulez la question et confirmez ce qu'on attend de vous
• Demandez les données disponibles et les contraintes de temps
• Découpez le problème en sous-questions testables
• Nommez la métrique principale et les métriques de garde-fou
• Proposez une analyse, puis un test, puis une décision selon les résultats

Par exemple, si on vous demande pourquoi les commandes chutent à Paris la semaine dernière, commencez par séparer offre et demande, puis segmentez par zone horaire et par type de course. Une baisse concentrée sur un créneau et une zone n'appelle pas la même réponse qu'une baisse uniforme.

Adapter votre candidature au marché local#

Le marché français de la data science ne ressemble pas au marché américain. Les grilles salariales sont différentes, les intitulés aussi, et un poste intitulé Data Scientist chez un éditeur parisien peut être très éloigné du même titre chez Uber. Renseignez-vous sur les fourchettes récentes via les offres d'emploi avant de négocier, et vérifiez toujours les sources officielles pour les chiffres à jour, car ils varient selon l'expérience, la ville et l'équipe.

Si vous visez une mobilité interne ou un poste hors de France, vérifiez les règles de visa sur le site officiel de l'État concerné. Aucun article de blog ne peut vous garantir un statut, et les règles changent régulièrement.

Enfin, gardez une veille active. Les offres Uber en data ouvrent et ferment vite. Notre page de recherche d'emplois vous permet de filtrer par ville et par intitulé pour ne pas rater une fenêtre de candidature.

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 postuler en français ou en anglais chez Uber ?

Envoyez votre CV dans la langue de l'offre. Si l'annonce est en anglais, un CV en anglais est préférable, même pour un poste basé en France.

Combien de temps faut-il préparer un entretien Data Scientist ?

Comptez deux à quatre semaines de préparation régulière si vous avez déjà de l'expérience. Concentrez-vous sur le SQL, la probabilité, et un ou deux projets que vous savez raconter de bout en bout.

Est-ce que les questions d'entretien Uber sont disponibles en ligne ?

On trouve des témoignages de candidats, mais ils reflètent des équipes et des périodes différentes. Utilisez-les pour vous entraîner, pas comme prédictif du déroulé réel.

Dois-je inclure tous mes projets sur mon CV ?

Non. Choisissez trois projets qui montrent de l'impact et une méthode claire. Un CV court et précis vaut mieux qu'une liste exhaustive de compétences.

Comment savoir si mon CV passe les filtres automatiques ?

Testez-le avec un outil de vérification de compatibilité CV qui compare votre document à une offre donnée. C'est plus fiable qu'une estimation à l'œil.