Préparer votre propre entrevue

Vous avez maintenant vu cinq personnes passer le même cas produit. Leurs parcours étaient très différents, mais leurs bons moments avaient les mêmes causes. Chaque personne posait des questions avant de répondre. Elle connaissait une analyse passée en détail. Elle expliquait les statistiques en mots simples. Et elle donnait au gestionnaire de produit une recommandation claire, avec son degré de certitude.

Pensez à l’apprentissage de la conduite. Vous pouvez lire les règles dans un livre. Mais l’examen vérifie si vous regardez dans le rétroviseur au bon moment, sans y penser. Les entrevues pour scientifiques des données sont semblables. La plupart des candidats savent ce qu’est un intervalle de confiance. Moins demandent spontanément « par rapport à quoi? » dès la première minute d’un cas. Cette habitude vient de la pratique. Cette page propose un plan pour vous exercer. Il prend environ trois semaines de courtes séances.

Étape 1 : choisir une offre et déterminer le type de poste

Ne vous préparez pas aux « entrevues de scientifique des données » en général. Ce titre couvre des postes très différents. Choisissez une vraie offre et déterminez d’abord son type : analyse produit, expérimentation, apprentissage automatique, mesures et qualité des données ou évaluation de l’IA. Lire l’offre avec lucidité explique comment le déterminer à partir des mots après la virgule dans le titre et des verbes décrivant les tâches.

Classez ensuite les lignes en exigences, souhaits et éléments manquants, puis créez le tableau de préparation. Le type de poste vous indique où consacrer votre temps. Pour un poste d’analyse produit comme celui de Parlo, le SQL, les expériences et les cas produit comptent le plus. Pour un poste en apprentissage automatique, le plan ci-dessous reste utile, mais ajoutez des exercices de Python et de modélisation.

Étape 2 : préparer une analyse qui a changé une décision

La plupart des cas produit commencent par votre travail : « Parlez-moi d’une analyse ou d’une expérience qui a changé une décision. » Choisissez-en une, ou deux au maximum. Le meilleur choix n’est pas l’analyse la plus complexe. C’est celle dont vous pouvez expliquer chaque étape et qui a réellement changé quelque chose.

Pour cette analyse, écrivez des réponses courtes aux niveaux qu’explore une personne qui mène une entrevue sérieuse. Utilisez des chiffres réels quand vous en avez.

1. La question : quelle décision fallait-il prendre, et qui devait la prendre?
2. Les données : d’où venaient-elles, et quels problèmes avaient-elles au départ?
3. La méthode : qu’avez-vous fait, et quelles autres options avez-vous envisagées? Pourquoi avez-vous choisi cette approche?
4. Comment vous saviez que le résultat était réel : combien d’utilisateurs ou de lignes, quel intervalle ou test? Qu’est-ce qui aurait pu faire paraître le résultat meilleur qu’il ne l’était?
5. La décision : qu’a fait l’équipe grâce à votre travail? Si elle n’a pas suivi votre conseil, dites-le aussi.
6. Ce que vous feriez autrement : avec plus de temps, plus de données ou vos connaissances actuelles.

Au niveau 4, beaucoup de candidats n’ont plus de réponses. Vous l’avez vu avec Chloe. Elle avait mené environ 30 tests, mais devait encore réfléchir longuement au problème posé par un arrêt trop tôt. Si votre réponse au niveau 4 est « l’outil disait que c’était significatif », revenez à l’analyse maintenant. Trouvez la taille de l’échantillon, l’intervalle et les dates. Demandez-vous ce qui s’est passé d’autre pendant ces semaines.

Le niveau 5 compte aussi. Une analyse qui n’a rien changé peut faire un bon récit, si vous pouvez expliquer pourquoi. Mais une personne qui recrute pour une équipe produit veut savoir que la suite de l’analyse vous importe.

Si vous n’avez aucune expérience professionnelle avec les données, choisissez un projet qui posait une vraie question à de vraies données. Passez par les mêmes niveaux. Inés l’a fait avec des données publiques sur l’apprentissage des langues. Lisez aussi nos conseils.

Étape 3 : pratiquer du SQL que vous pouvez expliquer et vérifier

L’épreuve SQL de Parlo autorise un assistant d’IA. De plus en plus d’entreprises proposent une étape semblable, tandis que d’autres interdisent complètement l’IA. Préparez-vous aux deux.

Sans IA : exercez-vous aux requêtes que les équipes produit utilisent chaque semaine. Les jointures, surtout LEFT JOIN et son effet sur les utilisateurs sans activité. Les dénombrements par jour et par semaine. La rétention : parmi les utilisateurs inscrits durant une semaine, combien étaient actifs 30 jours plus tard? Les entonnoirs : combien d’utilisateurs ont atteint chaque étape? Les fonctions de fenêtre pour « premier », « dernier » et « précédent ». Nos leçons Joindre des tables, Agréger correctement et Le temps et le classement couvrent ces sujets.

Avec IA : la compétence n’est pas la requête (prompt). C’est la vérification. Demandez à un assistant d’écrire une requête SQL de rétention pour une petite base de données d’exercice. Vérifiez-la ensuite comme le ferait un collègue attentif :

• Lisez chaque ligne à voix haute et dites ce qu’elle fait.
• Comptez les lignes avant et après chaque jointure. Une jointure a-t-elle répété des lignes?
• Prenez un utilisateur dont vous connaissez les chiffres et suivez-le dans la requête.
• Demandez-vous ce qui arrive aux utilisateurs sans lignes dans l’une des tables.
• Comparez le résultat final à un chiffre que vous savez exact, comme le nombre total d’utilisateurs.

Faites cet exercice cinq ou six fois avec différentes requêtes. Vous commencerez à reconnaître les mêmes types d’erreurs. C’est exactement ce que la personne qui mène l’entrevue veut vous voir remarquer.

Étape 4 : expliquer les statistiques en mots simples

Dans un cas produit, vous calculez peu. Vous expliquez. Exercez-vous donc à expliquer ces idées à une personne qui ne fait pas de statistiques. Utilisez deux ou trois phrases par idée, sans formules :

• Ce qu’un intervalle de confiance vous indique, et ce qu’il n’indique pas.
• Ce qu’est une valeur p, et l’interprétation erronée courante : « 96 % de chances que la fonctionnalité nuise à la rétention ». Vous avez vu Artem corriger poliment cette interprétation quand une gestionnaire de produit l’a exprimée.
• Ce qu’est la puissance, et pourquoi un petit test peut manquer un effet réel.
• Pourquoi regarder les résultats chaque jour et arrêter dès qu’ils semblent bons donne des résultats trompeurs.
• Ce qu’est un effet de nouveauté : les gens essaient quelque chose parce que c’est nouveau, puis arrêtent.
• Comment un total peut baisser alors que chaque groupe progresse, si la composition des groupes change : le paradoxe de Simpson.
• Pourquoi une comparaison avant-après peut tromper : la saison, un jour férié, une campagne marketing.

Un bon test : expliquez chaque idée à un ami sans connaissances techniques, puis demandez-lui de vous la réexpliquer. S’il n’y arrive pas, simplifiez. Nos leçons Estimer l’incertitude, Échantillons et populations et Comparer des options aident à comprendre les idées derrière ces mots.

Étape 5 : répéter un cas produit

Le cas produit est généralement l’entrevue la plus importante pour un scientifique des données produit. Vous pouvez vous exercer sans entreprise. Prenez une application que vous utilisez chaque jour. Inventez une situation comme celle de Parlo : une nouvelle fonctionnalité, un chiffre en hausse, un autre en baisse. Ajoutez un gestionnaire qui veut décider rapidement. Écrivez-la en trois ou quatre phrases, comme l’introduction de Thandiwe.

Répondez ensuite à voix haute pendant 25 minutes, avec une minuterie. Suivez cet ordre, mais ne le récitez pas comme une liste :

1. Posez des questions avant de répondre. Comment les utilisateurs ont-ils été choisis? Comparés à qui? Sur quelles dates? Que compte exactement chaque mesure?
2. Vérifiez que la comparaison est équitable. Saison, plateforme, type d’utilisateur qui reçoit la fonctionnalité, nouveauté.
3. Définissez ce que signifie « bon ». Une mesure principale, et deux ou trois mesures qui ne doivent pas se dégrader. Pour Parlo, c’était la partie difficile : l’activité, l’apprentissage et l’argent n’évoluent pas toujours ensemble.
4. Concevez le test approprié. Qui est réparti au hasard, que mesure-t-on, pendant combien de temps? Que décidez-vous avant de regarder les résultats?
5. Dites ce que vous recommanderiez cette semaine. Précisez votre degré de certitude et ce qui vous ferait changer d’avis.

Beaucoup de bons candidats échouent à l’étape 5. Rahul avait le plan le plus rigoureux des cinq candidats. Pourtant, il avait du mal à répondre à « Que diriez-vous à Kenji vendredi? » Exercez-vous à cette phrase séparément. Écrivez-la, dites-la et raccourcissez-la chaque fois.

Faites ce cas deux ou trois fois, à des jours différents, avec différentes applications. Chaque fois, vous remarquerez une lacune sur laquelle vous pourrez lire avant la prochaine séance.

Étape 6 : préparer le travail à domicile et la présentation

Un travail à domicile à durée limitée vérifie votre jugement plus que votre code. Exercez-vous avec un petit jeu de données public et une minuterie de trois heures.

• Consacrez les 20 premières minutes à la question, pas aux données. Quelle décision ce travail aiderait-il à prendre? À quoi ressemblerait une réponse utile?
• Vérifiez les données avant de les analyser. Valeurs manquantes, doublons, dates étranges. Notre leçon Profiler avant de modifier montre comment faire.
• Commencez votre rapport par la réponse. Une page : la recommandation, les principaux chiffres, votre degré de certitude et ce que les données ne peuvent pas vous dire. La méthode vient après.
• Déclarez clairement votre utilisation de l’IA, si elle est autorisée. Indiquez l’outil utilisé, pour quelles parties et ce que vous avez vérifié vous-même. Gabriel l’a fait en quelques lignes honnêtes, et cela l’a aidé.
• Arrêtez à la limite de temps. Si vous la dépassez, dites-le. Une liste de « ce que je ferais avec plus de temps » est une force, pas une faiblesse.

Pour la présentation, exercez-vous pendant 15 minutes, pas 30. Le reste du temps sert aux questions. Imaginez qu’un gestionnaire de produit est présent et qu’il agira demain selon vos propos.

Étape 7 : passer une entrevue avec une personne

S’exercer seul est utile, mais cela ne peut pas vous surprendre. Demandez à un ami ou à un ancien collègue de vous faire passer un cas produit de 45 minutes. Idéalement, choisissez un scientifique des données ou un analyste. Donnez-lui votre cas de l’étape 5, avec quelques faits supplémentaires à révéler seulement si vous posez la bonne question. Demandez-lui un point fort et deux points à améliorer.

Si possible, faites un autre exercice avec quelqu’un qui ne travaille pas en données. Par exemple, un gestionnaire de produit ou un ami dans un autre métier. Présentez-lui votre recommandation du vendredi et vérifiez s’il la comprend. Ses questions ressemblent beaucoup à celles d’un vrai gestionnaire de produit lors d’une entrevue sur les valeurs.

Vous pouvez aussi vous exercer avec un assistant d’IA. Demandez-lui de mener une entrevue stricte, d’approfondir vos réponses et de retenir les faits jusqu’à vos questions. C’est un bon exercice. C’est très différent d’utiliser l’IA dans une étape où elle est interdite. Nous vous demandons de ne jamais le faire (nos conseils).

Étape 8 : préparer les limites de vos connaissances

Dans toute bonne entrevue, vous atteindrez les limites de vos connaissances. Pour les scientifiques des données, ces limites se trouvent souvent à l’un de trois endroits. Les statistiques derrière une méthode exécutée par un outil. Un type de modèle que vous n’avez jamais construit. Ou la mesure d’une chose difficile à compter, comme l’apprentissage. Préparez-vous comme pour toute autre partie.

Notez trois sujets de votre offre où vous pensez atteindre vos limites. Pour chacun, écrivez ce que vous savez et comment vous trouveriez le reste. Exercez-vous ensuite à le dire : « Je ne l’ai pas fait moi-même. Ce que je sais, c’est… Si je devais décider aujourd’hui, je commencerais par… » Vous pouvez aussi demander ce que l’équipe a essayé. Gabriel a fait exactement cela quand la conversation a abordé la mesure de l’apprentissage.

Préparez aussi l’autre type de limite : quand une personne dit quelque chose en entrevue qui vous semble faux. Maîtrisez assez vos sujets principaux pour expliquer poliment votre point de vue avec une raison ou un exemple. Soyez aussi prêt à accepter un bon contre-argument. Consultez nos conseils sur les désaccords.

Étape 9 : préparer vos questions

Écrivez deux ou trois questions pour chaque étape, à partir de votre tableau de préparation et de Lire l’offre avec lucidité. Les bonnes questions pour un scientifique des données portent sur la façon de prendre les décisions. Qui décide qu’une expérience est terminée? Que se passe-t-il quand les données disent non? Combien de temps consacre-t-on aux rapports? Elles montrent que vous réfléchissez comme une personne qui fera ce travail. Elles vous donnent aussi l’information nécessaire pour décider.

Le jour de l’entrevue

• Demandez au début ce qui est autorisé à chaque étape : notes, tableau blanc, assistant d’IA. Suivez ensuite les règles exactement.
• Pour une entrevue vidéo, testez votre caméra, votre microphone et le partage d’écran la veille. Fermez tout ce dont vous n’avez pas besoin.
• Pendant le cas, il est normal de dire « Puis-je prendre une minute pour réfléchir? », puis de réfléchir en silence. Notez les chiffres. Dessinez un petit tableau si cela aide.
• Si vous n’avez pas compris une question, demandez des précisions. « Parlez-vous de la rétention de tous les utilisateurs, ou seulement des nouveaux? » est une bonne question, pas une faiblesse.
• Votre anglais n’a pas besoin d’être parfait. La personne qui mène l’entrevue écoute votre raisonnement (nos conseils).
• Traitez cette personne comme un futur collègue. Vous cherchez aussi à savoir si vous voulez travailler avec elle.

Après l’entrevue

Notez chaque question difficile le jour même, pendant que vous vous en souvenez encore. Exercez-vous ensuite à y répondre. Si votre candidature n’est pas retenue, demandez poliment de la rétroaction. Certaines entreprises en donnent, d’autres non. Les commentaires sur la communication de Rahul étaient difficiles à entendre. Pourtant, des mois plus tard, il remerciait encore Thandiwe, car ils l’avaient aidé dans ses entrevues suivantes.

Rappelez-vous qu’une partie du résultat échappe à votre contrôle (nos conseils). Il peut n’y avoir qu’un poste vacant. Une équipe peut ouvrir un poste différent un mois plus tard. Gabriel et Inés, deux des cinq candidats de ce guide, ont chacun reçu une bonne offre pour un autre poste. Continuez et gardez votre plan centré sur les postes que vous voulez.

Un plan de trois semaines

Le plan ci-dessous résume les étapes. Il prévoit environ une heure la plupart des jours, en parallèle d’un emploi ou d’autres études.

Semaine	Travail principal	À voix haute
1	Lisez l’offre, déterminez le type de poste et créez le tableau de préparation. Écrivez les six niveaux de votre analyse principale. Pratiquez le SQL sans IA pendant trois jours.	Présentez votre analyse en deux minutes et enregistrez-la. Expliquez trois idées statistiques à un ami.
2	Vérifiez du SQL écrit par l’IA pendant trois jours. Faites un travail à domicile de trois heures et écrivez la réponse d’une page.	Répétez deux cas produit avec une minuterie. Exercez-vous à la recommandation du vendredi chaque fois.
3	Corrigez les lacunes révélées aux semaines 1 et 2. Préparez vos trois sujets limites et vos questions.	Faites un cas simulé avec une personne qui travaille en données. Présentez une recommandation du vendredi à une personne qui n’y travaille pas.

Postulez ensuite et gardez vos notes. La prochaine offre ne demandera que quelques changements.