Les questions qui reviennent en entretien de data scientist

Un processus de recrutement de data scientist combine presque toujours plusieurs types d’épreuves : un échange sur le parcours, des questions de statistiques, des questions de machine learning, un exercice de code ou de SQL, un cas pratique métier et une discussion approfondie sur les projets du CV. Chaque famille de questions évalue une compétence différente, et les candidats échouent rarement par manque de connaissances brutes. Ils échouent plus souvent parce qu’ils récitent au lieu de raisonner, ou parce qu’ils ne savent pas relier une technique à un problème réel. Cet article passe en revue les grandes familles de questions, ce que chaque réponse doit montrer et les erreurs qui coûtent l’offre.

Les familles de questions en entretien data

Selon l’entreprise, le poste et le niveau, le dosage varie, mais on retrouve presque toujours six familles.

1. Le parcours et la motivation : pourquoi la data science, pourquoi cette entreprise, quels projets vous ont le plus appris.
2. Les statistiques et probabilités : inférence, tests, intervalles, biais, expérimentation.
3. Le machine learning : choix et fonctionnement des modèles, évaluation, surapprentissage, données déséquilibrées.
4. Le code et le SQL : manipulation de données en Python, requêtes SQL, parfois un exercice d’algorithmique simple.
5. Le cas pratique métier : un problème ouvert lié à l’activité de l’entreprise, à résoudre en raisonnant à voix haute.
6. Les projets du CV : une discussion en profondeur sur un ou deux projets que vous avez menés.

La fiche métier de l’Onisep sur le data scientist 🔗 rappelle d’ailleurs la double nature du poste : une compétence technique en statistique et en informatique, et une capacité à comprendre les enjeux de l’entreprise. Les entretiens évaluent les deux.

Le format technique varie aussi : questions orales, test en ligne, exercice à faire chez soi sur un jeu de données, ou séance de code en direct. Notre article sur le test technique à la maison détaille la façon de rendre un exercice de ce type, et celui sur la préparation d’un entretien technique décrit le déroulé général d’un processus.

Statistiques et probabilités

Les questions de statistiques visent à vérifier que vous comprenez ce que vous calculez. Elles reviennent dans presque tous les processus, y compris pour les postes très orientés machine learning.

Questions fréquentes :

• Qu’est-ce qu’une valeur p, et que ne dit-elle pas ? On attend la définition correcte (la probabilité d’observer un résultat au moins aussi extrême si l’hypothèse nulle est vraie) et surtout ses limites : elle ne mesure ni la taille de l’effet ni la probabilité que l’hypothèse soit vraie.
• Comment concevoir un test A/B ? Choix de la métrique principale, randomisation, taille d’échantillon, durée, risques de regarder les résultats trop tôt, effets de nouveauté.
• Quelle différence entre corrélation et causalité ? Avec un exemple de variable confondante et une façon de s’en approcher (expérimentation, groupe témoin, méthodes quasi expérimentales).
• Qu’est-ce qu’un intervalle de confiance ? Et comment l’expliquer à un responsable métier.
• Questions de probabilités : lancer de dés, tirages, théorème de Bayes appliqué à un test de dépistage.

Ce que la réponse doit montrer : une compréhension intuitive, pas seulement formelle. Un bon réflexe consiste à donner la définition, puis un exemple concret, puis une limite. Si vous avez mené des tests A/B, reliez votre réponse à votre expérience : c’est exactement ce que l’interviewer espère entendre.

Machine learning : comprendre plutôt que réciter

Les questions de machine learning sont celles où la récitation se voit le plus. Un interviewer expérimenté pose une question de cours, puis une question de suivi qui sort du cours.

Questions fréquentes et leur suivi :

• Expliquez le compromis biais-variance. Suivi : « Sur votre dernier projet, votre modèle souffrait-il plutôt de l’un ou de l’autre, et comment l’avez-vous vu ? »
• Comment fonctionne une forêt aléatoire, un gradient boosting ? Suivi : « Pourquoi le gradient boosting l’emporte-t-il souvent sur des données tabulaires, et quand ne l’utiliseriez-vous pas ? »
• Comment évaluez-vous un modèle de classification ? Suivi : « Votre classe positive est très rare : quelle métrique choisissez-vous, et comment fixez-vous le seuil de décision ? »
• Qu’est-ce que la fuite de données ? Suivi : « Donnez un exemple que vous avez rencontré ou que vous pourriez rencontrer dans notre activité. »
• Comment validez-vous un modèle sur des données temporelles ? On attend une validation qui respecte l’ordre du temps, et non un découpage aléatoire.
• Comment expliquez-vous les prédictions d’un modèle à un métier ? Importance des variables, valeurs SHAP, exemples individuels, limites de ces méthodes.

Ce que la réponse doit montrer : que vous savez choisir un modèle et une métrique en fonction du problème, et non l’inverse. Les interviewers apprécient beaucoup les candidats qui disent spontanément quand une méthode simple (une régression logistique, une règle métier) suffit.

Pour les postes plus proches de la production, des questions sur le déploiement et la surveillance des modèles peuvent s’ajouter. Elles relèvent davantage du métier d’ingénieur machine learning, mais un data scientist doit pouvoir dire comment son modèle sera utilisé et suivi.

Le cas pratique métier

Le cas pratique est souvent l’épreuve décisive. L’interviewer pose un problème ouvert, lié à son activité : « Nos utilisateurs résilient leur abonnement : comment nous aideriez-vous ? », « Comment mesureriez-vous l’effet d’une nouvelle fonctionnalité de recommandation ? », « Le taux de clic d’une campagne a baissé : par où commencez-vous ? »

Une méthode qui fonctionne :

1. Clarifier l’objectif. Qu’est-ce que l’entreprise veut vraiment ? Réduire les résiliations, ou en comprendre les causes ? Pour quel segment ? À quel horizon ?
2. Définir la métrique. Comment mesurera-t-on le succès ? Quelle est la métrique principale, quelles sont les métriques de garde-fou ?
3. Inventorier les données. De quelles données disposez-vous, lesquelles manquent, quels biais peuvent-elles contenir ?
4. Proposer une démarche simple d’abord. Une analyse descriptive, une segmentation, une règle de référence, avant un modèle complexe.
5. Prévoir la mise en œuvre et la mesure. Comment l’équipe métier utilisera-t-elle le résultat ? Comment saura-t-on si cela a marché, idéalement par une expérimentation ?
6. Nommer les risques. Effets pervers, biais, coût d’une erreur, contraintes réglementaires sur les données personnelles.

Ce que la réponse doit montrer : une capacité à structurer un problème flou et à garder en tête l’usage final. Un candidat qui se précipite sur le choix d’un algorithme sans avoir défini la métrique perd des points, même si son algorithme est pertinent.

Défendre les projets de son CV

La dernière famille de questions est la plus prévisible, et pourtant la plus souvent mal préparée. L’interviewer choisit un projet de votre CV et le creuse jusqu’à trouver la limite de votre connaissance.

Pour chaque projet de votre CV, préparez :

• le problème métier et la personne ou l’équipe qui l’avait posé ;
• les données : origine, volume, qualité, nettoyage nécessaire, variables construites ;
• la démarche : la référence de départ, les modèles essayés, la validation, la métrique choisie et pourquoi ;
• le résultat, mesuré de façon honnête, et ce qu’il a changé pour l’entreprise ;
• ce qui n’a pas marché et ce que vous feriez autrement.

Les chiffres de votre CV seront vérifiés. Si vous écrivez « AUC de 0,84 en validation temporelle », attendez-vous à expliquer ce qu’est l’AUC, pourquoi une validation temporelle, et ce que ce score signifie pour le métier. Le modèle de CV de data scientist présente des projets avec ce niveau de détail, que vous pouvez reprendre comme base de préparation.

Préparez aussi la différence avec les métiers voisins : on vous demandera parfois où s’arrête votre rôle et où commence celui du data engineer. Notre article sur le métier de data engineer vous aidera à formuler cette frontière.

Avant même l’entretien, c’est votre CV qui oriente les questions. Mieux vaut qu’il présente vos projets clairement, avec leurs données, leur méthode et leur effet. L’éditeur de TechCV vous permet de retravailler ces puces sans vous soucier de la mise en page, et produit un document que les logiciels de recrutement lisent correctement. Vous pouvez préparer votre CV de data scientist à partir du modèle.

Questions fréquentes

Faut-il réviser les démonstrations mathématiques ?

Rarement en détail, sauf pour des postes de recherche. En revanche, il faut comprendre les intuitions : pourquoi la régularisation limite le surapprentissage, pourquoi le gradient boosting corrige les erreurs successives, pourquoi un test multiple augmente le risque de faux positif.

Quel niveau de SQL est attendu en entretien de data scientist ?

Un niveau opérationnel : jointures, agrégations, sous-requêtes et fonctions de fenêtrage. Beaucoup de processus incluent un exercice SQL, parfois éliminatoire. Entraînez-vous sur des requêtes qui calculent des indicateurs par période ou par cohorte.

Comment répondre quand on ne connaît pas la réponse ?

Dites-le, puis raisonnez à voix haute à partir de ce que vous savez. Un interviewer préfère largement un raisonnement honnête qu’une réponse inventée, qu’il démontera par une question de suivi.

Les questions sont-elles les mêmes en startup et dans un grand groupe ?

Les familles sont les mêmes, le dosage change. Les startups insistent souvent sur l’autonomie et le cas métier ; les grands groupes et les entreprises tech internationales ajoutent plus souvent des épreuves de code structurées et plusieurs entretiens techniques successifs.