Construire un CV de Data Scientist qui se démarque [Guide ultime pour 2024]

La science des données est l'un des domaines les plus compétitifs du marché du travail moderne, attirant des spécialistes en herbe du monde entier. Devenir data scientist, c'est entrer dans des cercles privilégiés avec des perspectives de carrière alléchantes et des salaires élevés. L'intérêt pour ce domaine ne cesse de croître et la demande de professionnels des données ne cesse d'augmenter, mais les exigences auxquelles les candidats doivent répondre sont également très élevées. Vous pouvez en savoir plus sur les exigences dans notre guide sur la façon de devenir un scientifique des données. 

La première étape importante pour un candidat à un poste dans le domaine de la science des données est de rédiger un CV efficace, capable d'impressionner suffisamment un responsable du recrutement ou un recruteur pour vous faire décrocher un entretien. Pour les spécialistes qui ont déjà beaucoup d'expérience dans le domaine, c'est une tâche relativement facile, alors que pour les scientifiques de données débutants, cela peut être assez difficile et susciter beaucoup de questions : Comment puis-je compenser mon manque d'expérience professionnelle ? Est-ce une bonne idée de décrire une expérience professionnelle et/ou une formation antérieure si elle n'est pas totalement pertinente pour la science des données ? Quelle section doit être abordée en premier : la formation ou l'expérience ? Quels types de projets dois-je inclure, et combien d'entre eux ? Dois-je énumérer mes compétences non techniques ? Dois-je ajouter des couleurs à mon CV ? En somme, comment puis-je me démarquer de la foule et me rapprocher de l'objectif séduisant d'être employé en tant que scientifique des données ?

Dans cet article, nous aborderons quelques conseils et astuces essentiels pour rédiger un CV de data scientist convaincant, professionnel et facile à lire, qui attirera l'attention de n'importe quel responsable de recrutement ou recruteur.

Comment organiser efficacement la mise en page et le formatage de votre CV ?

L'une des premières considérations à prendre en compte est la mise en page de votre article afin qu'il soit facile à lire pour les recruteurs et les gestionnaires d'embauche. Vous voudrez qu'il soit facile à digérer, rapide à parcourir, mais qu'il contienne suffisamment de détails pour montrer en quoi vous vous distinguez. Voici quelques conseils :

Faites tenir votre CV sur une seule page

Suivre ce conseil pourrait s'avérer pénible si vous aviez l'intention de mettre beaucoup d'informations dans votre CV. Cela peut même sembler contre-intuitif : ne vaut-il pas mieux inclure autant de détails que possible pour décrire de manière exhaustive à un employeur potentiel toute votre expérience, votre formation, vos réalisations et vos compétences afin de l'impressionner ? Et si c'est le cas, que se passe-t-il s'il occupe plus d'une page ? Quoi qu'il en soit, il est fortement recommandé de ne pas dépasser une page dans votre CV.

Pouvoir exposer votre expérience et vos réalisations sous une forme condensée est un excellent moyen de mettre en valeur vos compétences en matière de communication.

Sélectionnez un modèle de CV

Vous pouvez créer votre CV à partir de zéro et l'organiser selon vos goûts, mais vous pouvez gagner du temps en utilisant un outil de création de CV en ligne et en choisissant parmi une variété de modèles de CV préexistants. Il est également possible de sélectionner un modèle de CV gratuit approprié dans les collections Google Docs ou MS Word. Ces modèles sont généralement clairs, visuellement attrayants, bien formatés, lisibles, faciles à utiliser et conçus de manière à ce que vous puissiez faire tenir beaucoup d'informations sur une seule page sans que celle-ci ne paraisse trop exiguë ou écrasante.

Voici quelques outils de création de CV qui pourraient vous être utiles :

• Curriculum vitae
• Zety
• Créateur de CV
• Canva
• CakeResume
• VisualCV
• CVCoach

De nombreux outils de création de CV, y compris ceux énumérés ci-dessus, proposent un large éventail de modèles gratuits suffisamment fonctionnels, ainsi que des versions payantes plus avancées. Lorsque vous choisissez un modèle pour votre CV de data scientist, privilégiez les modèles simples avec seulement 1 ou 2 couleurs en plus du noir et blanc, plutôt que les modèles fantaisistes et colorés. Le second est plus adapté à d'autres domaines tels que l'art ou le design, où un CV créatif peut impressionner un employeur. Dans notre cas, il est préférable d'éviter les décorations inutiles.

Pensez à choisir une mise en page en deux colonnes

Le choix d'un modèle de CV à deux colonnes (et éventuellement quelques colonnes latérales étroites pour les suppléments) permet d'utiliser plus efficacement l'espace vertical de la page. De cette façon, vous pouvez mettre plus d'informations dans votre CV et mieux organiser les différentes sections dans l'espace.

Utilisez un formatage efficace

Cette série de conseils vous sera utile si vous décidez de créer votre CV à partir de zéro ou d'apporter des modifications à un modèle préexistant :

• Utilisez une police de caractères élégante
  • De bons exemples : Calibri, Times New Roman, Arial, Verdana, Cambria, Tahoma, Georgia
  • Mauvais exemples : Comic Sans MS, MS Gothic, Ink Free, Agency FB, OCR A Extended
• Utilisez une taille de police suffisante : 11-12 points pour le texte, 14-16 points pour les titres de section et l'en-tête
• Mettez les titres de section et l'en-tête en gras
• Évitez d'utiliser trop de styles de texte tels que gras, italique, gras-italique et souligné.
• Utilisez un interligne de 1-1.15
• Évitez un CV ennuyeux en noir et blanc - ajoutez un peu de couleur pour le faire ressortir, mais n'exagérez pas, 1 ou 2 couleurs suffisent.
• Évitez les effets visuels, les décorations ou les icônes inutiles.
• Utilisez des puces pour que votre CV ait l'air propre, bien organisé et facile à suivre.

Veillez à la cohérence du format

Il s'agit de diverses caractéristiques stylistiques. Par exemple, si vous utilisez des puces dans différentes sections de votre CV, vous devez utiliser un style uniforme, par exemple des carrés vides. Il en va de même pour l'indentation, le style de police, le format de la date, etc. Heureusement, si vous créez votre CV dans un outil de création de CV en ligne, tous ces éléments et formats sont généralement prédéfinis pour vous.

Conseils pour le contenu de votre CV de scientifique de données

Savoir ce qu'il faut inclure et ce qu'il faut omettre peut s'avérer délicat lorsqu'il s'agit de rédiger un CV ou une lettre de motivation qui fasse mouche. Cependant, grâce à ces conseils, vous pouvez rapidement 

Créez un CV principal

Avant de commencer à postuler à des emplois dans le domaine de la science des données, il est judicieux de commencer par créer un "master resume". Il s'agit d'une version géante et très détaillée de votre CV, qui peut compter 2 à 3 pages, voire plus, et dans laquelle vous pouvez inclure toute votre expérience professionnelle, vos études, vos projets, vos compétences techniques et non techniques, ainsi que d'autres réalisations.

Si vous changez de carrière et que vous essayez de vous lancer dans la science des données à partir d'un autre domaine, envisagez d'inclure l'expérience de vos emplois précédents dans votre CV principal ; vous aurez probablement plus de compétences transférables que vous ne le pensiez. Il n'est pas surprenant que votre curriculum vitae principal puisse comporter de nombreuses puces pour chaque section ou sous-section. Après l'avoir complété, vous pouvez facilement l'utiliser comme base pour des candidatures à divers postes dans le domaine de la science des données ; il vous suffit de supprimer les détails, sections et points redondants d'une copie de votre CV principal et de l'adapter à chaque soumission.

Adaptez votre CV de data scientist à chaque description de poste

Cette étape est essentielle dans votre processus de candidature. Pour augmenter les chances de faire ressortir votre CV, vous devez le personnaliser pour chaque poste auquel vous postulez. Un responsable du recrutement reçoit généralement de nombreuses candidatures chaque jour et n'aura probablement que quelques secondes pour parcourir chacune d'entre elles avant de décider si elles méritent d'être lues plus en détail ou non. Il est donc essentiel que votre CV attire leur attention.

La meilleure approche consiste à lire attentivement la description du poste et à déterminer l'ensemble de la "liste de souhaits" et des exigences que l'entreprise recherche chez un candidat. Sur la base de ces faits, incorporez et mettez en évidence ces compétences souhaitées dans votre CV. Il est essentiel d'utiliser les mots-clés pertinents mentionnés dans la description du poste chaque fois que vous pouvez les inclure ; cela aidera votre CV à passer à travers tout système de suivi des candidats (ATS) que l'entreprise peut utiliser, et à atteindre les yeux des humains pour un examen plus approfondi.

En plus de lire attentivement la description du poste, il est toujours bon de parcourir quelques informations sur l'entreprise elle-même. Explorez le site web de l'entreprise, sa mission, ses valeurs, ses médias sociaux, ses produits et ses services, afin de mieux comprendre ce que l'employeur recherche chez un candidat. Faites en sorte que votre CV montre que vous êtes la personne idéale pour cette entreprise, avec tout le potentiel nécessaire pour contribuer à sa croissance. Chaque entreprise ne recherche pas les spécialistes qui veulent n'importe quel emploi, mais ceux qui veulent précisément cet emploi.

Soyez concis mais informatif

Maintenant que vous savez exactement ce qu'il faut inclure dans votre CV de data scientist, vous devez retravailler et adapter ces informations pour qu'elles soient laconiques, précises, pertinentes et bien présentées. N'incluez pas d'éléments susceptibles d'apporter une valeur ajoutée à cette fonction et qui n'ont pas été mentionnés ou sous-entendus dans la description du poste. Votre CV doit être concis, ciblé et informatif. Les puces doivent être brèves et ne pas s'étendre sur plusieurs lignes.

Suivre l'ordre chronologique inverse

L'ordre chronologique inverse est le format le plus courant et le plus apprécié pour les sections relatives à la formation et à l'expérience professionnelle. L'expérience la plus récente doit figurer en tête, suivie de l'avant-dernière, etc. Cela permet au responsable du recrutement de retracer rapidement votre évolution professionnelle et vos dernières réalisations.

Utilisez un langage simple mais efficace

L'utilisation d'un langage simple et clair est un autre moyen de démontrer vos compétences en matière de communication. Pour y parvenir efficacement, gardez à l'esprit les suggestions suivantes :

• Ne surchargez pas votre CV de data scientist avec du jargon technique. Bien que le poste pour lequel vous postulez puisse exiger un niveau élevé de compétences et de connaissances techniques, n'oubliez pas que la première personne qui lira votre CV sera un responsable de l'embauche ou un recruteur. Selon la personne qui dirige le recrutement dans l'entreprise, il se peut qu'elle ait une formation différente et qu'elle soit déroutée par un jargon trop technique. Veillez donc à écrire de manière à ce que tout le monde puisse comprendre votre valeur potentielle pour l'entreprise.
• Utilisez la description du poste comme guide; si elle est remplie de jargon, il n'y a pas de mal à ce que vous soyez un peu plus technique. Sinon, essayez de n'inclure que les principaux algorithmes et techniques mentionnés dans l'annonce.
• Rédigez des phrases concises.
• Veillez à ce que le ton de votre CV soit cohérent.
• Évitez les mots exagérés. Utilisez aider au lieu de faciliter, utiliser au lieu d'utiliser, gérer au lieu d'administrer, complexe au lieu de sophistiqué, etc.
• Lorsque vous décrivez votre expérience professionnelle, vos projets et vos réalisations, utilisez des verbes significatifs. Par exemple, au lieu de verbes tels que travailler, faire ou participer, utilisez construire, automatiser, optimiser, etc. Nous reviendrons plus en détail sur cette astuce dans la suite de cet article.
• Remplacez les superlatifs (le plus élevé, le meilleur, le plus important, etc.) et les adjectifs apparemment puissants mais en réalité peu informatifs tels que expérimenté, fort, considérable, efficace, par des mesures et des résultats concrets. Utilisez ces mots forts (expérimenté, approfondi, éprouvé, etc.) avec parcimonie dans le résumé de votre CV.
• Demandez à un ami qui n'a pas de formation technique de lire votre CV de data scientist. Demandez-leur de vous donner leur avis : Est-il suffisamment facile à suivre ? Le langage est-il clair et simple ? Avez-vous réussi à faire connaître vos principales réalisations professionnelles ?

Vérifier les erreurs et les fautes de frappe

Apparemment un moindre mal, les erreurs bêtes et les fautes de frappe peuvent faire une impression négative sur un recruteur et l'amener à rejeter votre CV. Vérifiez votre grammaire et votre orthographe à l'aide d'un service en ligne spécialisé(Grammarly ou similaire) et demandez à quelqu'un de vérifier votre CV pour y déceler d'éventuelles fautes de frappe ou d'orthographe.

Envoyez votre CV de data scientist à une personne réelle

Avant d'arriver entre les mains d'un recruteur, les CV passent généralement par un programme d'apprentissage automatique appelé système de suivi des candidatures, ou ATS, qui décide s'il vaut la peine d'être transmis à des humains ou s'il doit être rejeté. Pour contourner cette étape, essayez d'envoyer votre CV directement à un responsable du recrutement, voire au responsable technique du département concerné par le poste.

Comment structurer votre CV de scientifique de données ?

Inclure des sections sur les compétences et les projets

Dans l'ordre recommandé de haut en bas, les sections typiques d'un CV de data scientist sont les suivantes :

• Informations sur le contact
• Résumé (ou objectif)
• Expérience professionnelle (ou simplement expérience)
• Projets
• Compétences
• L'éducation
• Sections supplémentaires

L'ordre de ces titres peut être relativement souple et est censé refléter l'importance de chaque section, de sorte que les premiers titres devraient également occuper plus d'espace que les derniers. Dans le cas d'un CV à deux colonnes (le modèle préféré), rappelez-vous que les recruteurs examinent généralement un CV de haut en bas et de gauche à droite. Veillez donc à placer les informations les plus pertinentes en haut et à gauche de la page.

Optimisez l'ordre de vos sections

L'ordre optimal des sections, en particulier Expérience professionnelle, Projets, Compétences et Formation, dépend de deux facteurs :

1. Votre expérience réelle. Ici, nous pouvons trouver différents scénarios :
   • Si vous avez une longue expérience professionnelle, donnez la priorité à la section correspondante de votre CV, réduisez considérablement les informations relatives à votre formation et excluez peut-être même vos projets supplémentaires.
   • Si vous êtes fraîchement diplômé et avez peu d'expérience, placez la section "formation" en premier, ajoutez des informations sur vos votes finaux (bien sûr, uniquement s'ils sont favorables) et décrivez votre travail de cours ou votre mémoire de manière plus détaillée.
   • Si vous avez une expérience limitée dans le domaine de la science des données et que vous avez principalement travaillé sur des projets en freelance, intervertissez les sections Projets et Expérience professionnelle (voire combinez-les en une seule section Expérience), incluez tous les stages liés aux données que vous avez effectués (le cas échéant), et développez vos compétences.
   • Si vous avez changé de carrière et que vous êtes entré dans la science des données après avoir travaillé dans un autre domaine, concentrez-vous sur les projets et les compétences et écrivez moins sur votre expérience professionnelle et votre formation, même s'il est judicieux de ne pas omettre complètement ces sections.
2. Le profil de l'entreprise et la description du poste. En toute logique, si vous postulez à un emploi dans un environnement universitaire, développez davantage votre formation, vos certifications, vos cours supplémentaires et vos publications scientifiques. Sinon, exposez une expérience et des réalisations plus orientées vers l'entreprise. Pour les projets de création d'entreprise, en particulier, les qualités les plus précieuses des candidats potentiels sont la capacité à travailler de manière indépendante, l'esprit d'initiative et l'esprit d'innovation. Dans ce cas, la présentation d'un plus grand nombre de projets individuels peut être un avantage.

Si possible, ajoutez des sections supplémentaires à votre CV

Pour votre CV de data scientist, pensez à ajouter les sections suivantes :

• Certifications
• Publications
• Conférences
• Hackathons
• Prix
• Concours
• Le bénévolat
• Langues

Vous pouvez les présenter séparément si vous avez au moins deux puces par section. Par exemple, si vous avez suivi trois cours de science des données et présenté deux conférences sur les données, il est logique d'ajouter les sections Certifications et Conférences. Par ailleurs, si vous n'avez qu'une seule puce pour certaines catégories (par exemple, une conférence, une publication et un hackathon), il est préférable de regrouper ces réalisations dans une section intitulée "Extras".

Évitez les sous-titres de section trop verbeux

Lorsque vous nommez les sous-titres, soyez aussi laconique que possible :

• Expérience professionnelle pertinente Expérience professionnelle (ou simplement expérience)
• Expérience professionnelle Expérience professionnelle (ou expérience)
• Projets notables Projets
• Compétences et connaissances Compétences
• Compétences et outils Compétences
• Licences et certifications Certifications
• Informations complémentaires Extras

Comment remplir vos coordonnées

L'emplacement le plus approprié pour vos coordonnées est en haut de votre CV, même si certains modèles en ligne les placent en bas de la page (si c'est le cas du modèle que vous avez choisi, faites-les glisser manuellement vers le haut). L'exigence la plus importante pour cette section est l'exactitude des informations.

Voici ce que vous devez inclure dans vos informations de contact :

• Votre nom complet.
• Votre fonction. Sous votre nom complet, indiquez l'intitulé de l'emploi auquel vous postulez plutôt que celui de votre emploi actuel, quel qu'il soit. Vous pouvez copier l'intitulé du poste à partir de la description exacte du poste ou, s'il est trop long et trop spécifique (par exemple, "Data Scientist for Geoscientific Data Analysis and Webtool Development"), le réduire à une forme plus digeste (par exemple, "Data Scientist").
• Votre numéro de téléphone. Il va sans dire qu'il doit s'agir de votre numéro de téléphone personnel, et non de celui de votre lieu de travail actuel.
• Votre courriel. Indiquez votre adresse électronique professionnelle, qui doit être une combinaison de votre nom et de votre prénom : name_surname@gmail.ru. Ne mettez pas ici un courriel frivole ou inapproprié que vous pourriez avoir à des fins personnelles, comme koala_plus_panda@hotmail.com. Si vous n'avez pas encore d'adresse électronique professionnelle, créez-en une.
• Votre emplacement. Cette rubrique est facultative et n'a pas besoin d'inclure votre adresse complète. La ville et l'état ou le pays suffisent.
• Liens cliquables vers vos profils actifs et mis à jour sur LinkedIn, GitHub, Medium, Kaggle, etc. La plupart des employeurs s'y rendent pour vérifier les informations supplémentaires sur un candidat potentiel, telles que son portefeuille de projets, ses articles sur des sujets liés à la science des données et sa participation à des hackathons. Au lieu d'ajouter des liens bruts, maladroits et longs, envisagez d'insérer une icône du logo officiel du site web correspondant et de la rendre cliquable, afin qu'elle renvoie directement à votre profil. Vous pouvez rechercher les logos des sites web officiels sur Google. Voici les liens vers les logos de LinkedIn, GitHub, Medium et Kaggle. De toute évidence, tous les profils que vous décidez d'inclure dans votre CV de data scientist doivent étayer efficacement vos compétences et vos réalisations dans le domaine de la science des données. Cela n'a pas de sens de présenter votre profil LinkedIn s'il ne fait référence qu'à votre ancienne profession, ou votre profil Github s'il ne contient aucun projet de science des données.

Quelques suggestions supplémentaires concernant la section "Informations de contact" :

• N'indiquez pas le nom de cette section (contrairement à ce que vous feriez pour les autres sections), mais insérez directement les informations.
• De même, n'ajoutez pas les noms des catégories (nom complet, numéro de téléphone, etc.). Par exemple, au lieu de Email : name_surname@gmail.ru, écrivez simplement name_surname@gmail.ru.
• N'ajoutez pas votre photo. Bien que certains modèles de CV proposent cette option, envisagez de l'ignorer pour votre CV de scientifique des données.

Comment rédiger un résumé ou un objectif de CV accrocheur pour un scientifique de données ?

Juste après vos coordonnées, placez la section "Résumé" ou "Objectif". Ces deux sections ne sont pas identiques et vous devez choisir l'une d'entre elles. Un résumé de CV est une brève description (2 à 3 phrases, pas de puces) de votre parcours professionnel, de vos réalisations et de vos qualifications. L'objectif d'un CV est une brève déclaration (2 à 3 phrases, pas de puces) axée sur vos futurs objectifs de carrière et sur la valeur potentielle que vous pouvez apporter à l'employeur.

Ces sections sont essentielles si vous passez d'un autre domaine à la science des données, car elles expliquent de manière condensée pourquoi vous êtes le candidat idéal pour ce poste de scientifique des données. Optez pour la synthèse si vous avez déjà une certaine expérience dans un domaine lié aux données. Si au contraire vous êtes un jeune diplômé avec très peu ou pas d'expérience, choisissez Objectif pour démontrer votre passion pour la science des données et votre volonté d'être utile à l'entreprise.

Un bon résumé ou objectif de CV doit.. :

• Indiquez votre niveau d'expérience (junior, senior, expérimenté, etc.) et votre domaine d'expertise.
• Mentionnez le nombre d'années (le cas échéant) que vous avez passées dans le domaine de la science des données.
• Résumez brièvement et spécifiquement vos compétences et vos réalisations
• Inclure des informations sur votre formation et vos certifications
• Expliquez votre passage dans le domaine de la science des données, si c'est le cas
• Décrivez vos objectifs de carrière à long terme
• Montrez votre motivation et votre enthousiasme pour le poste et l'entreprise
• Expliquez la valeur que vous pouvez apporter à l'entreprise

Vous devez sélectionner les points applicables à votre situation et rédiger une introduction de CV (résumé ou objectif) courte et claire, adaptée au poste à pourvoir. Le texte qui en résulte doit raconter de manière convaincante que vous êtes un excellent candidat pour l'entreprise et attirer l'attention de l'employeur.

Comment présenter votre travail

Incluez les détails essentiels dans la section sur l'expérience professionnelle

Cette section est généralement celle qui intéresse le plus les recruteurs, c'est pourquoi elle doit être le point central de votre CV de data scientist. Listez vos emplois (ou seulement les plus récents, si vous avez une longue expérience professionnelle) dans l'ordre chronologique inverse. Si vous manquez d'expérience réelle, envisagez d'inclure des stages en science des données. Pour chaque emploi, fournissez les informations suivantes :

• Dates d'emploi (mois et année pour le début et la fin, ou Présent)
• Votre fonction
• Nom de l'entreprise
• Vos réalisations dans le cadre de cet emploi

Dans la mesure du possible, essayez d'éviter toute interruption importante (plus de six mois) dans votre CV, en particulier au cours des dernières années. Même si vos emplois précédents ne relèvent pas du domaine de la science des données, il est préférable de les mentionner, mais il n'est pas nécessaire d'entrer dans les détails. Si vous avez acquis votre expérience dans un domaine complètement différent, essayez de déterminer les compétences que vous y avez exercées et qui peuvent s'appliquer à la science des données, ainsi que la valeur ajoutée que vous avez apportée à l'entreprise. Si vous êtes un jeune diplômé sans expérience professionnelle ni stage, sautez cette section.

Revenons toutefois à un cas "idéal" où vous avez une certaine expérience en science des données/analyse des données. Pour les fonctions antérieures pertinentes, utilisez des puces pour décrire de manière concise vos réalisations basées sur les données et la valeur que vous avez apportée à l'entreprise à chaque poste. Le premier point doit être le plus percutant pour convaincre le recruteur de poursuivre sa lecture. Évitez l'erreur que commettent de nombreuses personnes : énumérer leurs tâches et les aspects techniques plutôt que de mettre en évidence leurs meilleures réalisations orientées vers l'entreprise dans leurs emplois précédents.

Utiliser des mots efficaces

Il est important d'être aussi précis et bref que possible dans vos descriptions de poste. Le format idéal pour chaque puce est le suivant :

Verbe d'action - Tâche - Résultat

Les verbes d'action sont des verbes significatifs et utiles pour le cursus ATS (ceux qu'un logiciel de suivi des candidatures de l'entreprise est plus susceptible de rechercher). Parmi les exemples les plus courants, on peut citer

Accélérer, Activer, Agréger, Analyser, Évaluer, Augmenter, Automatiser, Construire, Calculer, Calibrer, Encadrer, Coder, Collecter, Compiler, Conceptualiser, Conduire, Consolider, Construire, Coordonner, Créer, Déboguer, Diminuer, Déployer, Dériver, Concevoir, Déterminer, Développer, Permettre, Ingénier, Améliorer, Établir, Estimer, Évaluer, Exécuter, Extraire, Fixer, Prévoir, Formuler, Identifier, Mettre en œuvre, Améliorer, Incorporer, Augmenter, Initier, Intégrer, Interpoler, Lancer, Diriger, Soulever, Liquider, Gérer, Mécaniser, Mentorer, Modéliser, Exploiter, Optimiser, Organiser, Exécuter, Prédire, Préparer, Proposer, Recommander, Réduire, Raffiner, Réglementer, Réhabiliter, Rechercher, Résoudre, Rationaliser, Résumer, Superviser, Synthétiser, Systématiser, Dépanner, Mettre à jour, Mettre à niveau.

Ces verbes, outre le fait qu'ils rendent votre CV adapté aux ATS, expriment le résultat de votre activité professionnelle de manière beaucoup plus précise que les verbes génériques tels que faire, collaborer, fabriquer ou travailler. Toutefois, ne confondez pas les verbes d'action avec des verbes gonflés (par exemple, utilisez aider au lieu de faciliter).

Outre les "bons" verbes, n'oubliez pas d'inclure les mots-clés de l'offre d'emploi et du site web de l'entreprise pour laquelle vous postulez. N'oubliez pas que chaque CV doit être adapté à une fonction et à une entreprise particulières afin d'augmenter vos chances de réussite.

Utilisez les chiffres

Dressez la liste de vos réalisations fondées sur des données. Essayez de fournir des chiffres et des mesures concrètes de votre impact positif sur l'entreprise au lieu d'utiliser des superlatifs vagues ou des adjectifs génériques (le plus élevé, le plus fort, le plus considérable, le plus significatif, etc.) Les chiffres sont beaucoup plus convaincants lorsqu'il s'agit de démontrer à un employeur potentiel que vous comprenez la situation dans son ensemble et que vous savez comment rendre vos compétences techniques utiles pour des tâches commerciales réelles.

Notez que nous ne parlons pas ici des mesures de performance du modèle, mais de la valeur pratique et mesurable que le modèle que vous avez construit a apportée à l'entreprise. Par exemple, au lieu d'indiquer que vous avez créé un modèle d'apprentissage automatique d'une précision de 99 % qui a augmenté le taux d'engagement des clients de 21 %, sautez l'information sur la précision du modèle et écrivez ce qui suit :

Création d'un modèle d'apprentissage automatique qui a permis d'augmenter le taux d'engagement des clients de 21 %.

Les chiffres que vous mentionnez peuvent concerner des pourcentages, des dollars, le nombre de personnes que vous avez gérées ou accompagnées, des heures ou d'autres périodes. Vous pouvez vous contenter d'estimations approximatives.

Démontrez votre capacité à collaborer

La science des données n'est pas qu'une question de chiffres et de modélisation, mais aussi de capacité à communiquer vos connaissances à votre équipe et à vos actionnaires afin d'aider l'entreprise à prendre des décisions stratégiques fondées sur des données.

Au lieu d'écrire dans votre CV que vous êtes un bon travailleur d'équipe avec des compétences de communication éprouvées, vous pouvez démontrer ces compétences en action en décrivant les emplois où vous avez collaboré dans un environnement multidisciplinaire et (probablement) multinational avec vos collègues, d'autres départements, y compris des départements non techniques, et des consommateurs de données. Mettez l'accent sur le rôle que vous avez joué dans ces projets et sur la contribution mesurable que vous avez apportée.

Comment présenter vos projets

Inclure des projets basés sur votre expérience et vos spécialités

Cette section est essentielle pour les scientifiques des données débutants et juniors qui n'ont souvent qu'une expérience professionnelle limitée, voire inexistante. L'équilibre entre les sections Expérience professionnelle et Projets est clair : plus vous avez d'expérience professionnelle, moins la section Projets doit prendre de place dans votre CV, jusqu'à l'exclure totalement dans le cas où vous êtes un professionnel senior des données.

Que vous ayez appris la science des données à l'université, dans le cadre d'un programme de master ou dans un camp d'entraînement, vous avez très probablement déjà un ou plusieurs projets sur la science des données ou l'analyse des données. Vous pouvez inclure des travaux de cours liés aux données, des projets guidés et des projets d'approfondissement du programme d'entraînement, des travaux en freelance, des contributions à des projets open source sur GitHub et des projets individuels que vous avez réalisés sur un sujet de votre choix. Si vous n'avez pas de projet à inclure, envisagez d'en faire un simulacre. Après tout, être un scientifique des données implique d'être curieux des données et des informations qui peuvent en être extraites.

Si vous avez beaucoup de projets de science des données, vous devez les classer par ordre de priorité et sélectionner les plus pertinents et ceux dont vous êtes le plus fier. Il est toujours préférable de présenter 3 ou 4 bons projets plutôt qu'une douzaine de projets médiocres. Pour un scientifique des données débutant, il est normal et attendu d'avoir de nombreux projets disparates en classe ou en stage sur différents concepts, avec une variété d'outils et de techniques utilisés. Lorsque vous vous sentez prêt à envisager une niche commerciale spécifique, commencez à vous concentrer sur celle-ci, à acquérir des connaissances dans le domaine et à créer des projets liés à ce domaine particulier.

Inclure des informations clés pour chaque projet

Lorsque vous avez sélectionné les projets pertinents que vous souhaitez faire figurer dans votre CV de data scientist, classez-les par ordre chronologique inverse (ou du plus pertinent au moins pertinent) et envisagez d'inclure les informations suivantes pour chacun d'entre eux :

• Le nom du projet et le lien vers celui-ci dans votre portfolio Github

• Un objectif de projet clairement énoncé et concis Ensuite, à l'aide de puces :

• Une description brève et spécifique des sources de données, des technologies, des langages de programmation, des bibliothèques, des outils et des compétences utilisés (évitez d'utiliser un jargon technique excessif).

• Votre contribution individuelle au projet (s'il s'agit d'un projet de groupe)
• Les résultats quantitatifs de votre travail, démontrant votre capacité à appliquer vos compétences techniques pour résoudre des problèmes concrets.

Bien entendu, la plupart des conseils que nous avons donnés pour la section sur l'expérience professionnelle s'appliquent également ici : mettez l'accent sur vos réalisations significatives, utilisez des verbes d'action et les mots-clés de la description du poste/du site web de l'entreprise, évitez les mots exagérés et génériques, et utilisez des chiffres et des mesures concrètes.

Comment mettre en valeur vos compétences en science des données

Liste des compétences selon votre compétence

Cette section est incontournable dans un CV de data scientist, quel que soit le niveau d'ancienneté. La meilleure façon de dresser une liste de vos compétences pour un poste particulier consiste à suivre les quatre étapes suivantes :

1. Notez toutes les compétences techniques, les langages et les outils mentionnés explicitement ou implicitement dans la description du poste. Inspirez-vous de la liste suivante : A/B tests, Big data, C, C++, Analyse des données, Nettoyage des données, Exploration des données, Modélisation des données, Visualisation des données, Traitement des données, Débogage, Deep learning, Hadoop, Tests d'hypothèses, Java, Keras, Machine learning, Mathématiques, Matplotlib, NLP, NoSQL, Numpy, Pandas, PowerBI, Modélisation prédictive, Probabilité, Python, Analyse quantitative, R, SAS, Scala, Scikit-learn, Seaborn, Spark, SQL, Analyse statistique, Statistiques, Tableau, TensorFlow, Données non structurées, Web scraping.
2. Dans la liste que vous avez créée, cochez toutes les compétences que vous possédez réellement et que vous seriez à l'aise de démontrer lors de l'entretien. La meilleure façon de le faire est d'utiliser votre CV principal comme référence. Bien que vous ne deviez pas inventer des compétences que vous ne possédez pas réellement, pensez à adapter vos compétences existantes pour qu'elles répondent spécifiquement aux exigences d'un poste particulier. Par exemple, si vous connaissez plusieurs variantes de SQL, dont MySQL, et que l'offre d'emploi mentionne MySQL comme compétence souhaitée, écrivez uniquement MySQL plutôt que de mentionner le SQL générique ou d'énumérer toutes les variantes de SQL que vous connaissez. En revanche, si le rôle qui vous intéresse exige la connaissance de SQL en général, écrivez uniquement SQL, sans énumérer toutes les variantes que vous connaissez.
3. Votre liste de compétences doit contenir 6 à 10 éléments. Plus votre niveau d'expertise est élevé, moins il y a d'éléments sur cette liste, car votre expérience professionnelle parlera pour vous. Si vous êtes un spécialiste débutant ou junior, ce n'est pas grave si vous n'avez pas encore eu l'occasion d'utiliser tous vos outils pour résoudre des tâches réelles, mais vous voulez quand même montrer aux recruteurs que vous possédez ces compétences. Par conséquent, si après la deuxième étape vous avez moins de 10 compétences dans votre liste, envisagez d'ajouter d'autres compétences que vous possédez réellement et qui, selon vous, pourraient être utiles pour le poste, même si elles n'ont pas été mentionnées dans l'offre d'emploi.
4. Classez les compétences dans votre liste finale, en plaçant en premier les plus fortes et les plus pertinentes.

N'indiquez pas votre niveau de compétence

Bien que certains modèles de CV offrent la possibilité de classer chacune de vos compétences en fonction de votre familiarité avec elles, il est préférable de sauter cette étape. Cette évaluation peut être extrêmement subjective et influencée par l'effet Dunning-Kruger: votre "compétence" peut être "basique" pour quelqu'un d'autre et vice versa. Pour éviter de vous dévaloriser ou de vous surestimer, ne classez pas vos compétences et supprimez manuellement l'option correspondante du modèle s'il en existe une.

N'incluez pas vos compétences non techniques

Il est évident que les recruteurs recherchent généralement des professionnels des données possédant certaines compétences non techniques telles que le travail en équipe, la communication et l'esprit d'initiative. Devriez-vous donc énumérer ces compétences directement dans la section Compétences ? Probablement pas. Il serait beaucoup plus impressionnant de montrer vos compétences non techniques en action dans les sections Expérience professionnelle et Projets, combinées à vos compétences techniques pour obtenir des résultats pratiques valables.

Vous considérez-vous comme un parfait travailleur d'équipe ? Décrivez votre contribution à des projets de collaboration. Êtes-vous un bon leader ? Décrivez votre expérience de la gestion d'une équipe ou de l'encadrement de spécialistes débutants. Enfin, la meilleure façon de mettre en avant vos excellentes compétences en communication est de présenter de manière concise et percutante votre expérience et vos réalisations dans votre CV de data scientist.

Comment présenter votre formation

En règle générale, si vous avez une expérience professionnelle, des stages ou des projets en rapport avec les données, vous devez indiquer "Formation" après ces sections (et également après "Compétences"). En effet, plus votre niveau d'ancienneté dans la science des données est élevé, plus la section "Formation" doit être courte. Toutefois, si vous postulez à un poste très académique ou si vous êtes un jeune diplômé sans expérience, il est logique que cette section soit placée en premier, juste après l'objectif du CV. Pour votre formation (ou chaque formation, si vous avez plusieurs diplômes), indiquez les informations suivantes :

• Le type de diplôme le plus élevé (B.S., M.S., Ph.D.) et la spécialité (même si elle n'est pas pertinente pour la science des données).
• Nom de l'université
• Période d'études (mois et année pour le début et la fin, sinon utilisez la date prévue pour l'obtention du diplôme)

Les autres puces ne doivent être utilisées que si vous souhaitez développer votre formation, c'est-à-dire si vous n'avez pas ou peu d'expérience professionnelle ou de projets pertinents, ou si vous postulez à un poste universitaire :

• Moyenne générale (uniquement pour les jeunes diplômés et seulement si elle est supérieure à 3,5)
• Projets académiques (travaux de cours, thèses, mémoires, etc.). Utilisez des puces si vous avez plus d'un projet académique à présenter. Ajoutez une brève description du projet ou dressez la liste des sujets couverts.
• Cours académiques : ajoutez les 2 ou 3 cours que vous considérez comme les plus pertinents, avec éventuellement des notes.
• Résultats académiques et distinctions

Ne mentionnez pas dans la section Formation les différents bootcamps de science des données, les parcours de compétences ou les cours que vous avez suivis. Vous les ajouterez plus tard dans les certifications.

Autres sections

Voyons quelles autres sections peuvent être utiles dans votre CV de data scientist et vous aider à montrer votre passion et votre dévouement à la science des données. Envisagez d'ajouter l'une ou l'autre de ces sections si vous disposez d'au moins deux puces pour chaque rubrique, sinon combinez plusieurs catégories dans une section appelée "Extras".

Certifications

Vous pouvez y indiquer les cours et les stages pertinents si vous êtes à la recherche d'un poste de débutant. Outre les certifications en science des données et en analyse des données, pensez à inclure des cours dans des matières telles que la programmation, l'algèbre linéaire, les probabilités ou les statistiques. Si vous avez une certification officielle en science des données (Microsoft, IBM, SAS, Google), mentionnez-la dans cette section et envisagez également de l'ajouter dans le titre de votre CV, à côté de votre titre (par exemple, Data Scientist, IBM Certified).

Publications

Cette section est précieuse non seulement dans le contexte universitaire, mais aussi dans celui des entreprises, car elle constitue une excellente preuve de votre curiosité pour les données en dehors de vos tâches professionnelles, de votre capacité à travailler de manière indépendante ou en équipe (dans le cas d'une publication de groupe) et à expliquer clairement des concepts complexes liés aux données à un large public. Pour chaque article, indiquez son nom, la revue ou le magazine où il a été publié, le lien vers la publication en ligne ou votre propre blog (le cas échéant), et un bref résumé (ou les sujets traités, ou simplement des mots-clés).

Conférences

Ne citez que les conférences liées aux données que vous avez présentées. Indiquez le nom de chaque conférence, sa situation géographique, les dates, le titre de votre travail et le nom de vos collaborateurs (le cas échéant).

Hackathons

Les hackathons de science des données sont un excellent moyen de montrer vos compétences techniques et de travail en équipe, votre créativité, votre esprit d'innovation et votre capacité à produire des résultats pratiques réels. Décrivez brièvement la portée de votre projet de hackathon, le produit et ses applications, votre contribution individuelle et vos réalisations.

Prix

Mentionnez ici les récompenses obtenues pour votre travail ou les concours que vous avez remportés dans un domaine lié aux données. Il peut s'agir de récompenses pour des hackathons, des concours Kaggle, des travaux universitaires et des publications. Ajoutez une brève description à chaque prix. Vous pouvez également envisager d'ajouter ces informations dans les sections correspondantes.

Concours

Décrivez brièvement les concours de science des données auxquels vous avez participé et les résultats que vous avez obtenus. Il peut s'agir des concours Kaggle, DrivenData, DataHack, etc. 

Le bénévolat

Si vous avez une expérience de bénévolat/modération dans une communauté de science des données ou une bonne expérience de résolution de problèmes sur Stack Overflow, utilisez cette section pour donner des détails et lister vos réalisations. Comme d'habitude, essayez d'étayer vos propos par des chiffres (par exemple, le nombre de problèmes techniques résolus, de questions dont les réponses ont été acceptées, d'évaluations, de réputation, de badges, de temps de lecture, etc.)

Langues

Il est très peu probable que vous ayez besoin de cette section dans votre CV de data scientist. Même si l'anglais n'est pas votre langue maternelle, votre niveau sera évident dans votre CV et dans les ressources supplémentaires que vous fournirez (GitHub, LinkedIn, etc.). N'envisagez d'ajouter cette section que si vous postulez à un emploi à l'étranger pour lequel parler une deuxième langue serait un avantage et, bien sûr, si vous parlez effectivement cette langue à un niveau satisfaisant. Dans ce cas, il est acceptable d'ajouter un niveau de compétence supposé (par exemple, natif, courant, avancé, intermédiaire supérieur, intermédiaire).

N'incluez pas les intérêts et les passe-temps

Bien que certains modèles de CV prévoient une section supplémentaire pour les intérêts et les hobbies, il est préférable de ne pas l'inclure dans votre CV de scientifique de données. Bien que ces informations puissent être fascinantes et vous caractériser comme une personne curieuse ayant de nombreux centres d'intérêt, ce n'est pas ce que les recruteurs recherchent à ce stade.

Il en va de même pour d'autres informations telles que vos voyages, votre participation à des rencontres, vos jeux sociaux, vos activités de bénévolat en dehors du domaine de la science des données, votre maîtrise d'autres langues (à moins qu'elles ne soient explicitement requises pour le poste à pourvoir) et votre permis de conduire. Il est préférable d'utiliser cet espace dans votre CV de data scientist pour autre chose. Vous aurez l'occasion de mentionner vos loisirs et toute autre information intéressante vous concernant lors de l'entretien.

Exemples de CV de scientifique de données

Examinons maintenant plus en détail quelques CV fictifs de data scientists de différents niveaux d'expérience pour voir comment mettre en pratique tout ce que nous avons discuté jusqu'à présent. De plus, rendons cela plus ludique (et aussi plus efficace) et retraçons l'évolution professionnelle d'une même personne (imaginaire).

Exemple de curriculum vitae d'un data scientist junior

L'exemple de CV ci-dessous se rapporte à l'étape où notre candidat imaginaire n'avait pas d'autre expérience qu'un stage de data scientist. Ce CV, ainsi que les suivants, a été créé en utilisant la sélection de modèles de CV gratuits de Google Docs, avec quelques modifications.

• Le curriculum vitae tient sur une page et contient beaucoup d'informations sans pour autant paraître surchargé. Il y a suffisamment d'espace blanc sur la page.
• Le modèle prédéfini n'est pas seulement en noir et blanc, mais il comporte une couleur supplémentaire, ce qui le rend esthétiquement plus agréable et plus facile à suivre, sans pour autant être distrayant.
• La présentation générale est en deux colonnes, ce qui est un bon choix pour un scientifique des données débutant qui souhaite compenser le manque d'expérience réelle par une variété d'autres activités et réalisations liées aux données, ce qui implique d'ajouter de nombreuses sections au CV.
• Dans l'en-tête, nous voyons un courriel d'apparence professionnelle et les icônes cliquables liées aux profils du candidat sur LinkedIn, Github et Medium. (Remarque : malheureusement, elles ne sont pas cliquables sur l'image PNG ci-dessus, mais uniquement sur les versions Word et PDF originales de ce CV fictif. A cet égard, la possibilité de cliquer sur les liens dans la version finale de votre CV est un autre point important à vérifier).
• Tous les sous-titres sont clairs et laconiques.
• Étant donné que le candidat a au moins une expérience de stage à faire valoir, il était judicieux d'inclure le résumé plutôt que l'objectif.
• Le résumé est composé de 3 phrases, il est concis mais très informatif. Le candidat a mentionné son expérience de stage, son éducation et sa formation en science des données, étant donné qu'il est encore assez nouveau dans ce domaine et qu'il n'a pas non plus de diplôme formel en science des données. Ensuite, ils décrivent brièvement leurs compétences (y compris les compétences non techniques) et, plus important encore, leurs réalisations, l'enthousiasme qu'ils manifestent pour le poste et la valeur commerciale potentielle qu'ils peuvent apporter à l'entreprise.
• Dans la section Expérience, le candidat a mis l'accent sur ses réalisations professionnelles dans le cadre de son stage, en s'appuyant sur des chiffres concrets. Ils ont commencé chaque point par un verbe d'action. Aucun jargon technique, mot vague ou redondant n'est utilisé ici.
• L'expérience du candidat étant encore assez limitée, il a dressé la liste de ses projets d'entraînement les plus pertinents, en indiquant l'objectif, les compétences et les outils utilisés, ainsi que le lien vers chaque projet dans son portfolio.
• En raison du manque d'expérience, le candidat s'est étendu un peu plus sur sa formation (en ajoutant le sujet de ses études, sa moyenne générale et les cours pertinents), ses activités bénévoles liées aux données (en donnant également quelques chiffres concrets) et sa formation en science des données.
• Dans la section Compétences, le candidat ne mentionne que ses compétences techniques. La liste est suffisamment longue et comprend à la fois les compétences du candidat et les outils qu'il peut utiliser.
• Dans la section Publications, le candidat a inclus à la fois ses articles sur la science des données et celui lié à son diplôme d'origine - Finance mathématique.

Exemple de curriculum vitae d'un scientifique des données

Supposons maintenant que notre candidat ait obtenu un emploi de data scientist dans une entreprise appelée Silver Dollar (une fausse entreprise). Après deux ans de travail, il/elle est à nouveau à la recherche d'un nouveau défi professionnel. Ce candidat n'est plus aussi junior, son CV a donc été modifié en conséquence :

• Dans ce CV actualisé, l'accent est clairement mis sur l'expérience professionnelle plutôt que sur divers "extras".
• Le curriculum vitae tient sur une page, contient les informations les plus pertinentes sous une forme concise et comporte suffisamment d'espace blanc sur la page.
• Le modèle a une couleur verte en plus du noir et blanc, ce qui le rend esthétiquement plus agréable, facile à suivre et non distrayant.
• La présentation générale est en une seule colonne. Cela ne pose pas de problème dans ce cas puisque le candidat a inclus moins de sections supplémentaires qu'auparavant et les a raccourcies.
• Dans l'en-tête, on retrouve les mêmes icônes cliquables liées aux différents profils du candidat (très probablement mis à jour).
• La section Résumé comporte 3 phrases, mais elle est plus courte que celle du CV précédent. Le candidat ne mentionne plus son bootcamp de science des données car son expérience parle mieux pour lui. De même, les compétences non techniques "auto-publicité" ont été supprimées. L'expérience de stage n'est pas soulignée séparément comme auparavant, mais ajoutée aux deux années d'expérience professionnelle plus récente. De plus, on voit clairement que le candidat a listé des compétences différentes de celles de l'ancien CV (et il en va de même pour la section Compétences, qui est devenue plus courte). Cela ne signifie pas que le candidat a "oublié" ses compétences antérieures. Au lieu de cela, ils ont très probablement adapté les points clés et les réalisations du résumé et des compétences à la description exacte du poste, ce qui est toujours une excellente approche lors de la rédaction d'un résumé/objectif de CV.
• Dans la section Expérience, le candidat a décrit ses principales réalisations professionnelles dans les deux postes occupés et a ajouté des indicateurs significatifs. Là encore, chaque puce commence par un verbe d'action, ne contient pas de mots vagues ou redondants et n'utilise que modérément le jargon technique. Veillez à ce que le candidat utilise différents verbes d'action pour les puces (au lieu de toujours utiliser, par exemple, créer ou construire) ainsi que diverses mesures ($, %, heures, nombre d'éléments).
• Les sections "Projets" et "Formation" sont plus courtes dans ce CV actualisé, et les sections "Certifications" et "Bénévolat" sont complètement supprimées.

Exemple de curriculum vitae d'un data scientist senior

Après la dernière version du CV, notre data scientist a changé d'emploi deux fois de plus et s'est considérablement développé sur le plan professionnel. De nouveau à la recherche d'un nouvel emploi, ils ont mis à jour leur CV pour un poste potentiellement intéressant. Alors, à quoi ressemble leur CV aujourd'hui ?

Soulignons les changements les plus importants :

• Hormis l'en-tête, le CV ne comporte plus que les rubriques Compétences, Expérience et Formation, l'Expérience occupant la plus grande partie de la page. Il n'y a pas de résumé, pas de projets, ni de sections supplémentaires. L'expérience professionnelle réelle de ce candidat parle pour lui.
• Le CV est presque en noir et blanc, avec une utilisation très limitée de la couleur orange.
• La section Compétences est considérablement réduite et ne mentionne que les compétences et les outils les plus globaux (et non, beaucoup d'entre eux n'étaient pas mentionnés dans les versions précédentes du CV).
• L'expérience du stage est abandonnée.
• Le dernier poste occupé par le candidat en tant que data scientist senior porte davantage sur les stratégies et la gestion que sur l'analyse et la modélisation des données.

Conclusion

Nous avons exploré différentes approches, astuces, exemples pratiques et modèles pour faire briller votre CV de data scientist.

D'une certaine manière, votre CV de data scientist ressemble à une bande-annonce de film. Tout comme la bande-annonce est censée capter immédiatement l'attention du spectateur et le convaincre de regarder le film en entier, votre CV est censé inciter un responsable du recrutement à le lire attentivement et à vous inviter à un entretien.

Bien entendu, la rédaction d'un CV parfait n'est que la toute première étape de votre processus de candidature, qui ne vous garantit pas automatiquement la réussite de l'entretien lui-même. Toutefois, si vous ne passez pas par les portes inévitables de l'ATS, puis par celles d'un gestionnaire d'embauche ou d'un recruteur, vous ne pourrez pas aller plus loin. Il est donc essentiel de consacrer suffisamment de temps et de faire les efforts nécessaires pour rédiger un CV de data scientist efficace et convaincant, adapté à chaque poste auquel vous postulez.

Pour que votre CV se démarque, assurez-vous d'avoir les compétences et l'expérience nécessaires, que vous pouvez mettre en avant avec une certification de data scientist de DataCamp. Commencez dès aujourd'hui !