Wise Data Scientist: mots-cles CV et preparation entretien

Vous postulez chez Wise pour un poste de Data Scientist et votre CV disparaît dans la pile sans un seul retour. Le problème est rarement votre expérience. C'est la façon dont elle est écrite, et l'entretien que vous n'avez pas préparé.

Wise est une fintech du transfert d'argent international. Son produit tourne autour des paiements transfrontaliers, des devises, des frais, de la vitesse de versement et de la fiabilité. Un data scientist qui rejoint ce type d'entreprise travaille sur des sujets concrets : conversion, coût, fraude, marge sur le change, rétention, expérience client.

Si votre CV parle de modèles en général et jamais de conséquences métier, il ne dit rien à un recruteur de paiements. Vous êtes jugé sur votre capacité à transformer une question business en analyse, pas sur la longueur de votre liste d'outils.

Lire l'offre avant d'écrire le CV#

Commencez toujours par l'annonce exacte. Repérez les verbes : construire, mesurer, expérimenter, déployer, suivre. Repérez les noms : SQL, Python, dbt, Spark, BigQuery, Snowflake, Looker, Tableau, tests A/B, forecasting, détection de fraude, pricing.

Deux outils gratuits vous font gagner du temps : le décodeur d'offres d'emploi pour extraire les compétences réellement demandées, et le test de compatibilité ATS pour vérifier que votre CV sera lu par les logiciels de tri.

Un point d'honnêteté : vous n'avez pas accès à l'organisation interne de Wise. N'écrivez jamais "je sais que votre équipe pricing utilise X". Fiez-vous à ce qui est public, l'offre, le blog d'ingénierie de Wise, les pages carrières. Le reste, c'est de la fiction, et un recruteur la repère en deux questions.

Les mots-clés qui comptent pour ce type de poste#

Pour une fintech de paiements, ces familles de mots reviennent souvent dans les annonces data. Reprenez celles que vous maîtrisez vraiment.

• SQL avancé, jointures complexes, fenêtres, agrégations sur gros volumes
• Python pour l'analyse et la modélisation, pandas, scikit-learn, XGBoost
• Expérimentation : tests A/B, puissance, taille d'échantillon, biais de randomisation
• Métriques produit : conversion, rétention, coût par acquisition, valeur client
• Sujets fintech : fraude, conformité, pricing, taux de change, réconciliation
• Mise en production : pipelines, orchestration, monitoring de modèles
• Restitution : tableaux de bord, écrites courtes, décision prise grâce à l'analyse
• Qualité des données : déduplication, détection d'anomalies, tests de données

Le piège classique : empiler quinze mots-clés sur un CV où rien ne les prouve. Un mot-clé sans exemple ne pèse rien. Le même mot-clé derrière un résultat mesuré change la lecture de votre profil.

Un exemple de phrase de CV#

Voici une reformulation concrète. Le poste visé est un rôle data en fintech, sujet fraude.

Avant : "Mise en place de modèles de machine learning pour améliorer les performances."

Après : "Conçu et mis en production un modèle de détection de fraude sur les virements internationaux (Python, XGBoost), entraîné sur 18 mois d'historique transactionnel, avec suivi mensuel des faux positifs et des pertes évitées."

La seconde phrase montre la technique, le périmètre, la durée et le suivi. Elle ne contient aucun chiffre inventé. Quand vous ajoutez des résultats, mettez vos vrais chiffres, même modestes. Un recruteur vérifie, et un pourcentage sorti de nulle part vous disqualifie plus vite qu'un CV sans chiffre.

Conseil pratique : sortez vos anciens CV, repérez chaque phrase qui commence par "participation à" ou "travail sur", et remplacez-la par un verbe d'action. Vous avez écrit le pipeline, vous avez mesuré l'effet, vous avez présenté la décision. Écrivez-le.

Préparer l'entretien sans broder#

Un processus de recrutement data chez un acteur de cette taille mêle généralement du SQL, des statistiques, du machine learning, un cas business, et un échange sur la motivation et le fonctionnement en équipe. L'ordre et le nombre d'étapes varient selon les équipes et les pays. Ne prétendez pas connaître le format exact : préparez les blocs, pas le calendrier.

Le cas business mérite plus de travail que le SQL. On vous demandera souvent quelque chose du genre : "la conversion sur un corridor de paiement baisse, que faites-vous ?" Structurez votre réponse. D'abord clarifier : conversion de quelle étape, depuis quand, comparé à quoi, quelle taille d'échantillon. Puis les causes possibles : prix affiché, taux de change, délai de versement, problème technique, changement de canal d'acquisition. Ensuite les données à vérifier et l'ordre dans lequel vous les regarderiez. Terminez par le test que vous proposeriez et la métrique de succès.

Exemple de réponse à "parlez-moi d'un projet data dont vous êtes fier"

"Sur mon poste précédent, l'équipe produit voulait comprendre pourquoi les utilisateurs abandonnaient un formulaire long. J'ai commencé par extraire les taux d'abandon étape par étape en SQL, plutôt que de regarder un chiffre global. Une étape sortait du lot, elle ajoutait un champ non obligatoire qui doublait le temps de saisie sur mobile. J'ai proposé un test A/B en supprimant ce champ, avec un critère de succès défini à l'avance sur la complétion du formulaire. Le test a duré trois semaines, j'ai vérifié la répartition des appareils et des pays dans les deux groupes avant de conclure. Le formulaire court a été généralisé. Ce que je retiens : la première réponse n'était pas un modèle, c'était un diagnostic."

Cette réponse montre une méthode, pas un titre. Elle prépare le terrain pour les questions de suivi, ce qui arrive toujours.

Le marché local et les points à vérifier#

Les équipes data de Wise sont concentrées dans plusieurs bureaux européens et internationaux, notamment Londres, Tallinn et Budapest, avec d'autres sites dans le monde. Si vous postulez depuis la France, attendez-vous à une discussion sur le lieu de travail, le format hybride ou le déménagement, et sur la langue de travail, l'anglais.

Sur la rémunération, les niveaux varient beaucoup selon le pays, le grade et l'équipe. En France, un poste de data scientist confirmé se situe souvent dans une fourchette de l'ordre de 45 à 70 k€ brut annuel, plus ou moins selon l'expérience et le secteur. À Londres ou Tallinn, les ordres de grandeur sont différents. Vérifiez toujours les fourchettes affichées sur l'offre et sur les sources officielles du pays concerné. Aucun chiffre n'est garanti.

Sur les visas, les règles dépendent du pays du poste et de votre nationalité, et elles changent. Ne comptez pas sur une promesse orale de sponsoring. Demandez le point explicite au recruteur dès le premier échange, et vérifiez les critères actuels sur les sites officiels d'immigration du pays visé. Pour les offres ouvertes en ce moment, le moteur de recherche d'annonces vous montre les postes data réellement publiés, avec le pays indiqué.

Checklist avant d'envoyer la candidature#

• Votre CV tient sur une page si vous avez moins de dix ans d'expérience
• Chaque phrase forte commence par un verbe d'action et se termine par un résultat ou un suivi
• Les mots-clés de l'offre apparaissent dans le texte, pas dans une section "compétences" isolée
• Vous avez supprimé les mots-clés que vous ne sauriez pas défendre en entretien
• Vos outils sont datés ou contextualisés : projet, volume, rôle précis
• Le CV est exporté en PDF propre, sans tableau compliqué, lisible par un logiciel de tri
• Vous avez testé la lecture automatique de votre CV avant l'envoi
• Votre profil LinkedIn reprend les mêmes termes que le CV
• Vous avez préparé trois projets racontables en cinq minutes chacun
• Vous avez écrit votre réponse sur votre motivation pour ce produit précis

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 anglais ?

Oui, la quasi-totalité du processus se déroule en anglais pour ce type d'équipe internationale. CV, lettre et entretiens : tout doit être en anglais, sauf indication contraire de l'offre. Préparez aussi vos réponses à voix haute, l'écrit ne suffit pas.

Quels outils dois-je maîtriser vraiment ?

SQL et Python sont la base, souvent accompagnés d'un entrepôt cloud et d'un outil de visualisation. Adaptez la liste à l'offre exacte plutôt qu'à une moyenne. Mieux vaut maîtriser deux outils en profondeur qu'en lister douze.

Comment préparer la partie SQL ?

Révisez les jointures, les fonctions de fenêtre, les agrégations conditionnelles et les requêtes sur des événements dans le temps. Entraînez-vous à écrire à la main, sans autocomplétion, sur un jeu de données transactionnel. Ajoutez toujours une phrase sur les cas limites : doublons, valeurs manquantes, fuseaux horaires.

Wise sponsorise-t-il des visas ?

Cela dépend du poste, du pays et de votre situation, et les politiques évoluent. Demandez-le explicitement au premier échange et vérifiez les critères actuels sur les sources officielles d'immigration du pays concerné. Ne prenez aucune garantie orale pour un acquis.

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

Comptez deux à trois semaines si vous travaillez déjà : SQL tous les jours, un cas business par semaine, et deux répétitions d'entretien à voix haute. Si vous sortez d'école, vous pouvez condenser, mais gardez au moins quelques jours pour les simulations.