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

Votre CV part dans le vide après une candidature chez Wise, et vous ne savez pas si le problème vient du format ou du contenu. Les deux sont possibles. Une candidature ML dans une fintech comme Wise se joue sur des détails très précis, et la bonne nouvelle, c'est qu'ils sont corrigeables en une soirée.

Ce que Wise cherche chez un machine learning engineer#

Wise construit des produits de paiement international : transferts d'argent entre devises, compte multi-devises, et une offre API destinée à d'autres entreprises. La mission publique de l'entreprise est celle du "money without borders", avec pour objectif affiché de faire baisser le coût des transferts. Tout ce que vous écrivez doit se relier à cette logique de coût, de fiabilité et de volume.

Côté ML, les offres d'emplois de Wise mentionnent typiquement la détection de fraude, la prévision de flux et de taux de change, la personnalisation des parcours clients, ou la recherche appliquée. Ce ne sont pas des affirmations sur leurs équipes internes : c'est ce que les intitulés de poste affichent. Lisez l'annonce mot à mot avant de réécrire quoi que ce soit.

Le jargon de l'annonce est votre meilleur guide. Repérez les verbes, les outils, les responsabilités, et reprenez leurs termes exacts. Un outil de lecture d'offre d'emploi comme le décodeur d'offre d'emploi gratuit aide à extraire ce vocabulaire sans se perdre dans le blabla.

Les mots-cles qui doivent figurer sur votre CV#

Recruteurs et outils de tri cherchent des termes précis. Sans inventer de compétences que vous n'avez pas, faites apparaître ceux qui vous concernent : Python, SQL, machine learning en production, MLOps, monitoring de modèles, feature engineering, détection d'anomalies, évaluation de modèles, A/B testing, Spark ou équivalent pour les gros volumes, Docker, CI/CD, cloud (AWS, GCP ou Azure).

Deux familles comptent plus que les autres dans une fintech. La première : tout ce qui touche à la mise en production d'un modèle et à sa supervision dans le temps. La seconde : tout ce qui touche à la fraude, au risque ou à la prévision, même dans un autre secteur.

La réalité française : beaucoup de candidats listent des compétences sans jamais montrer un modèle réellement déployé. Si vous avez mis un modèle en production, dites-le explicitement, avec le contexte et le résultat. C'est ce qui fait la différence entre deux CV qui se ressemblent.

Réécrire ses bullets autour des résultats#

Une bullet faible dit ce que vous avez fait. Une bullet forte dit le problème, votre action, et ce qui a changé après. Elle contient un contexte technique et un résultat mesurable, même approximatif.

Avant : "Travaille sur des modèles de scoring de fraude pour les transactions clients."

Après : "Développé et mis en production un modèle de scoring de fraude sur les transactions clients (Python, XGBoost, features temps réel), avec suivi de la dérive et réentraînement mensuel ; faux positifs réduits de [votre chiffre] % sur la période test, ce qui a désencombré la file de revue manuelle."

Les chiffres entre crochets sont à remplacer par les vôtres. Si vous n'avez pas de pourcentage, donnez un ordre de grandeur honnête : temps de traitement divisé par deux, modèle devenu la source de décision principale sur un périmètre défini, revue manuelle passée de plusieurs heures à quelques minutes. Restez précis sur le périmètre et la méthode.

Faites vérifier votre document par un contrôle gratuit de compatibilité ATS avant l'envoi, surtout si vous recopiez des bullets entre plusieurs versions. Les tableaux et les colonnes cassent souvent la lecture automatique.

Préparer l'entretien sans broder#

Les candidats décrivent souvent plusieurs étapes : un échange avec le recrutement, des entretiens techniques sur le code et sur la conception de systèmes ML, parfois un cas pratique, et un échange sur l'adéquation avec la mission. Les processus changent selon les rôles et les équipes. Personne ne vous garantit l'ordre ni le nombre d'étapes, alors préparez les blocs séparément.

Côté code : révisez Python, SQL, manipulation de données, et les bases d'algorithmes classiques. Les exercices portent souvent sur des données tabulaires et des problèmes de déséquilibre de classes, typiques de la fraude.

Côté conception : attendez-vous à concevoir un système de bout en bout. Données d'entrée, ingénierie des features, entraînement, validation, mise en production, monitoring, gestion de la dérive. Pensez coût et latence. Un modèle précis mais lent coûte cher quand il traite des millions d'opérations par jour.

Côté valeurs : Wise inscrit la transparence sur les prix et la mission de réduction des coûts au centre de sa communication publique. Reliez vos choix passés à cette idée. Pas de grandes déclarations : un exemple concret suffit.

Exemple de réponse à "Pourquoi Wise ?"

"Ce qui m'attire, c'est que la performance d'un modèle a un effet direct sur le prix payé par le client. Dans mon poste actuel, j'ai travaillé sur un système de détection où chaque faux positif bloquait une opération légitime. J'ai donc suivi deux métriques en parallèle, la qualité du modèle et le volume de revues manuelles, parce que réduire les secondes sans réduire les blocages n'avait aucun sens. Chez Wise, je retrouve cette logique de coût visible pour l'utilisateur, et c'est le type de problème sur lequel je veux travailler."

Cette réponse fonctionne parce qu'elle contient une expérience réelle, une tension technique, et un lien explicite avec l'entreprise. Elle ne récite pas la page "à propos".

Le marché local : une réalité à regarder en face#

Wise est une entreprise britannique cotée à Londres, fondée en Estonie, avec des bureaux dans plusieurs villes européennes et hors d'Europe. Les postes ML sont majoritairement rattachés à ces hubs, et les offres ouvertes à distance depuis la France sont l'exception plutôt que la règle. Vérifiez toujours l'emplacement exact sur l'annonce officielle.

Pour un poste en France dans une fintech ou une scale-up, les rémunérations ML varient fortement selon le niveau d'expérience, la ville, et le type d'entreprise. Les fourchettes annoncées vont souvent de salaires de début de carrière modérés à des packages bien plus élevés pour un profil senior avec des responsabilités de conception. Ne vous fiez à aucun chiffre isolé : consultez les offres en cours et l'offre officielle du poste, et gardez en tête que la part variable et les actions ou RSU changent beaucoup la donne.

Si vous postulez pour un poste à l'étranger, la question du visa se pose. Les règles dépendent du pays et de votre nationalité, et elles évoluent. Seule l'offre officielle et les sources administratives du pays concerné font foi. Ne signez rien sur la base d'une promesse orale de sponsoring.

Vous pouvez suivre les ouvertures sur la page des offres d'emploi, et comparer les intitulés d'une entreprise à l'autre. Un titre identique ne recouvre pas les mêmes responsabilités d'un employeur à l'autre.

Checklist avant d'envoyer votre candidature#

• Votre titre de poste cible est repris tel quel dans l'en-tête de votre CV
• Chaque bullet contient un contexte technique et un résultat, même approximatif
• Les mots-clés de l'annonce apparaissent naturellement dans votre texte
• Aucune compétence inventée : si vous ne l'avez pas pratiquée, elle n'y figure pas
• Le CV tient en une page si vous avez moins de huit ans d'expérience, deux sinon
• Vos projets personnels ou open source sont liés, avec un lien vers le code quand il existe
• Le fichier passe un contrôle ATS sans texte perdu ni colonnes cassées
• Votre réponse à "Pourquoi Wise ?" contient un exemple issu de votre parcours
• Vous avez préparé un système ML de bout en bout à décrire à voix haute en quinze minutes
• Vous avez noté deux questions précises à poser, sur le périmètre du rôle et sur le fonctionnement de l'équipe

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 absolument avoir de l'expérience en fintech pour postuler ?

Non. La détection de fraude, la prévision de séries temporelles et les modèles à fort volume existent dans la logistique, la publicité en ligne et la cybersécurité. Traduisez votre expérience en termes de coût, de risque et de latence, le reste se transfère.

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

Comptez deux à trois semaines si vous travaillez déjà à temps plein, avec une à deux heures par jour. Répartissez le temps entre code, conception de systèmes ML, et préparation des exemples comportementaux. Le bloc que les candidats négligent le plus est le dernier.

Mon CV doit-il être en anglais ?

Si l'annonce est rédigée en anglais, oui, envoyez la version anglaise. Wise travaille en anglais dans ses équipes internationales. Gardez une version française à jour pour les autres candidatures, et ne traduisez pas mot à mot : adaptez les formulations aux usages du pays ciblé.

Comment parler d'un projet confidentiel dans mon CV actuel ?

Décrivez le problème et la méthode sans révéler de données ni de chiffres propriétaires. Une formulation comme "modèle de détection déployé en production sur des transactions à fort volume, avec suivi de la dérive" est suffisante. Vous préciserez le contexte à l'oral si on vous le demande.

Que faire si l'annonce ne mentionne pas de poste ouvert correspondant ?

Activez une alerte sur les offres d'emploi et ciblez des postes voisins dans les entreprises du même secteur. Pendant l'attente, travaillez un projet concret en lien avec la détection de fraude ou la prévision, et publiez-le. Un dépôt à jour vaut mieux qu'un CV en attente.