La candidate en réorientation

Imaginez une enseignante qui a passé huit ans en classe. Chaque jour, elle observe des gens qui essaient d’apprendre quelque chose de difficile. Elle voit qui cesse de venir en octobre. Elle voit qui a peur de parler, et qui fait ses devoirs sans jamais progresser. Elle n’a jamais calculé d’intervalle de confiance dans son ancien emploi. Mais elle a recueilli beaucoup d’observations sur la façon dont les gens apprennent.

Beaucoup d’enseignants, d’infirmières et d’autres professionnels se tournent vers la science des données après une formation intensive. Ils postulent auprès d’entreprises dont ils connaissent le produit de l’intérieur. Pour une application d’apprentissage des langues comme Parlo, une enseignante de langues est une candidate naturelle. La lacune habituelle est la profondeur des connaissances. La formation intensive enseigne SQL et les statistiques en quelques semaines. D’autres candidats les utilisent depuis des années.

Inés Navarro vient d’Espagne. Elle vit au Canada depuis quatre ans. Elle parle espagnol, catalan et anglais. L’anglais est sa troisième langue. En appel vidéo, elle s’exprime clairement, mais s’arrête parfois pour chercher un mot. Vous verrez que cela ne dérange pas du tout la personne qui mène l’entrevue.

IN

La personne candidate

Inés Navarro

Enseignante de langues pendant 8 ans, maintenant scientifique des données débutante

• 8 ans d'enseignement de l'espagnol et de l'anglais
• Formation intensive en science des données, 2026
• SQL, Python, Tableau
• Toronto

• Certificat en science des données, Lakeshore Data Academy, Toronto (14 semaines, à temps plein), 2026
• Projet final : analyse de données ouvertes sur 1 900 adultes apprenant l’anglais au Northway Newcomer Centre; résultats montrant que les cercles de conversation augmentent de 18 % le taux de réussite au test de niveau
• Création d’un tableau de bord Tableau pour les coordonnateurs du centre, utilisé pour leur planification mensuelle
• Enseignante d’espagnol, Maple Language School, Toronto, 2022–2025 (adultes, cours du soir)
• Enseignante d’anglais et d’espagnol au secondaire, Girona, Espagne, 2016–2022
• Python (pandas, scikit-learn), SQL (PostgreSQL), Tableau, notions de base des tests A/B

Ce que Thandiwe voit avant l’appel

Thandiwe Mokoena lit le CV à côté de l’offre d’emploi. Aucun autre CV du processus ne correspond aussi bien au domaine. Inés a enseigné les langues pendant huit ans. Son projet porte sur la façon dont les adultes apprennent une langue. La principale question de Parlo sur « Talk with Pip » est justement celle-ci : les gens apprennent-ils davantage quand ils parlent?

Deux éléments l’incitent à la prudence. D’abord, les notes de l’épreuve SQL indiquent : « réussite, mais lente sur les jointures; bonne utilisation de l’assistant d’IA, qu’elle a expliquée ». Ensuite, le CV affirme que les cercles de conversation « augmentent » le taux de réussite. Ce mot affirme une relation de cause à effet. Thandiwe ne suppose pas que c’est faux. Elle veut savoir comment Inés le sait.

Sa courte liste pour l’appel :

• Comment Inés a-t-elle établi ses chiffres, et en connaît-elle les limites?
• Comprend-elle ce qui rend une comparaison équitable?
• Quelle est la profondeur de ses connaissances en statistiques? Le poste exige des expériences chaque semaine.
• Qu’apporte son expérience d’enseignement au cas Parlo?

Termes utilisés dans cette page

• Rétention au jour 30 : parmi les personnes inscrites un jour donné, la proportion qui utilise encore l’application environ 30 jours plus tard.
• Utilisateurs actifs par semaine : personnes qui ont utilisé l’application au moins une fois dans une semaine. Le sens d’« utilisé » dépend d’un choix, et ce choix compte.
• Déploiement par pourcentage : une fonctionnalité est activée pour une proportion d’utilisateurs, par exemple 20 %, choisis au hasard par l’outil d’expérimentation.
• LEFT JOIN : une jointure SQL qui conserve chaque ligne de la première table, celle de gauche. Si la deuxième table n’a aucune correspondance, ses colonnes sont vides (NULL). Voir Joindre des tables.
• Intervalle de confiance : une plage de valeurs possibles pour l’effet réel, qui correspondent bien aux données. Une plage étroite signifie que nous en savons davantage. Voir Estimer l’incertitude.
• Biais de sélection : les personnes d’un groupe ont choisi d’y être. Elles diffèrent donc des autres d’une façon qui change aussi le résultat.
• Puissance : probabilité qu’une expérience détecte un effet d’une taille donnée, si cet effet est réel. Plus d’utilisateurs donnent plus de puissance.
• Test de classement : un court test qui indique à la personne qui apprend à quel niveau commencer.

L’entrevue

Minutes 0 à 5 : le début

Thandiwe(intervieweur) :

Bonjour Inés! Vous m’entendez bien?

Inés(personne candidate) :

Oui, oui. Bonjour. Je vous entends bien.

Thandiwe(intervieweur) :

Bien. Je suis Thandiwe, scientifique des données principale ici. Je travaille surtout sur l’accueil des nouveaux utilisateurs. Alors, voici le plan. D’abord, vous me parlez d’une analyse que vous avez faite. Je vais poser beaucoup de questions dessus. C’est normal, ne vous inquiétez pas. Ensuite, je vous donne un vrai problème qu’on a en ce moment. À la fin, ce sera vos questions. Cette étape, c’est juste une discussion entre nous. Pas d’outils d’IA, pas de recherches. Le papier, c’est permis.

Inés(personne candidate) :

D’accord. Parfait. J’ai mon papier ici.

Minutes 5 à 20 : une analyse qui a changé une décision

Thandiwe(intervieweur) :

Alors. Parlez-moi d’une analyse qui a changé la décision de quelqu’un.

Inés(personne candidate) :

D’accord. C’est mon projet de formation intensive, mais avec de vraies données. Northway est un centre pour les nouveaux arrivants ici, à Toronto. Ils donnent des cours d’anglais gratuits. Et ils publient leurs données de cours, sans les noms, pour les chercheurs. Environ 1 900 apprenants, sur deux ans.

La question venait de la coordonnatrice. Ils ont des cercles de conversation. C’est comme un club, une heure par semaine, les gens parlent, simplement. Très peu de gens venaient. Et elle voulait savoir : est-ce que ça vaut la peine? Ou est-ce qu’on ferme les cercles et qu’on met les bénévoles dans les cours ordinaires?

Ce que j’ai fait, c’est comparer les apprenants qui venaient aux cercles, au moins quatre fois, avec ceux qui ne venaient pas. Et j’ai regardé le test de niveau à la fin de la session. Ceux qui venaient réussissaient beaucoup plus souvent. Alors ils n’ont pas fermé les cercles. Ils en ont ouvert deux autres, le soir.

Ce que l’intervieweur vérifie

Un début clair : une vraie personne avec une vraie décision, les données et ce qui a changé. Thandiwe examine maintenant les chiffres, un niveau à la fois.

Thandiwe(intervieweur) :

Bien. Votre CV dit 18 %. C’est 18 pour cent ou 18 points?

Inés(personne candidate) :

Ah. Des points. C’était… 61 % contre 43 %, plus ou moins. Je devrais écrire « points », vous avez raison.

Thandiwe(intervieweur) :

D’accord. Et comment avez-vous relié les apprenants aux résultats des tests? Deux tables?

Inés(personne candidate) :

Oui. Une table des apprenants, une table des résultats des tests. J’ai fait un LEFT JOIN, une jointure gauche, avec les apprenants à gauche.

Thandiwe(intervieweur) :

Je vais dessiner quelque chose. Elle écrit une petite table sur le tableau blanc partagé. Trois apprenants : Ana, Bilal, Chen. Deux résultats de tests : Ana et Chen. Bilal n’a jamais passé le test. Après votre LEFT JOIN, combien de lignes?

Inés(personne candidate) :

Deux. Ana et Chen.

Pause.

Non, attendez. Désolée. Ça, c’est le INNER JOIN, la jointure interne. LEFT garde tous les apprenants. Donc trois. Bilal est là, et son résultat est… vide. NULL, une valeur nulle.

Thandiwe(intervieweur) :

Oui. Et si Ana a passé le test deux fois?

Inés(personne candidate) :

Alors Ana est là deux fois. Quatre lignes.

Thandiwe(intervieweur) :

Exact. Maintenant, la question importante. Quand vous avez calculé le taux de réussite, Bilal était-il inclus?

Inés(personne candidate) :

Hmm. Laissez-moi réfléchir. J’ai utilisé la moyenne de la colonne « passed », qui veut dire « réussi ». Et la moyenne… ignore les NULL. Donc non. Bilal n’était pas inclus. Le 61 et le 43, c’est seulement les gens qui ont passé le test.

Comment l’intervieweur va plus loin

Thandiwe utilise un tout petit exemple sur le tableau blanc plutôt qu’une question de quiz. Inés fait une erreur et se corrige en quelques secondes. Puis le vrai point apparaît : AVG, la fonction de moyenne de SQL, ignore les valeurs NULL. Le taux de réussite compte donc seulement les gens qui ont passé le test. Ce n’est pas un détail de syntaxe. Cela change le sens de son chiffre.

Thandiwe(intervieweur) :

Et qui ne passe pas le test, habituellement?

Inés(personne candidate) :

Ceux qui arrêtent de venir. Dans mon école aussi, c’était comme ça. En octobre, vous avez trente élèves, en décembre, vous en avez vingt. Et les vingt, ce sont les motivés.

Oh. Alors peut-être que les gens des cercles aussi… ils restent plus, parce qu’ils sont plus motivés. Et je vois seulement ceux qui restent. Je n’ai pas pensé à ça dans le projet. Je ne sais pas comment le 18 change, honnêtement.

Thandiwe(intervieweur) :

Ce n’est pas grave. Aviez-vous fait quelque chose pour tenir compte de la motivation à ce moment-là?

Inés(personne candidate) :

Un peu. J’ai comparé les gens avec le même niveau de départ. A2 avec A2, B1 avec B1. La différence était toujours là, mais plus petite. Environ dix points, je pense, peut-être douze. Mais je sais que ce n’est pas… comment on dit, ça ne prouve pas que les cercles sont la cause.

Où cela tourne mal

« Augmentation » dans le CV affirme une cause, mais les données montrent un lien. Inés ne défend pas le mot. Elle explique elle-même la limite. C’est ce qui la sauve ici. Une formulation plus solide dans le CV serait : « Les apprenants des cercles de conversation réussissaient plus souvent, avec environ 10 points de plus à niveau de départ égal. L’analyse ne peut pas montrer que les cercles en étaient la cause. »

Thandiwe(intervieweur) :

Dernière question là-dessus. Si vous recommenciez, que changeriez-vous?

Inés(personne candidate) :

Je compterais les gens qui sont partis. Comme, « réussi », « échoué » et « pas terminé ». Trois groupes, pas deux. Et peut-être que je demande au centre d’essayer les cercles de façon équitable. Par exemple, une session, ils invitent la moitié des nouveaux apprenants, choisis au hasardement, et ils regardent.

Thandiwe(intervieweur) :

« Choisis au hasard. » Bien. Ça, c’est l’expérience. D’accord, je passe à la suite.

Votre anglais n'a pas besoin d'être parfait

Inés cherche ses mots, dit « choisis au hasardement » et demande une fois « comment on dit ». Thandiwe ne fait aucun commentaire là-dessus. Elle écoute le raisonnement, et le raisonnement est bon. Inés a trouvé elle-même le problème de sélection, une fois que l’exemple l’a rendu visible. Si l’anglais n’est pas votre langue maternelle, parlez simplement et prenez le temps nécessaire. Consultez Votre anglais n’a pas besoin d’être parfait.

Minutes 20 à 26 : le cas Parlo, première partie

Thandiwe(intervieweur) :

D’accord, maintenant notre vraie situation. Il y a cinq semaines, on a lancé « Talk with Pip », pour pratiquer la conversation avec l’IA. On l’a offert à 20 % des nouveaux utilisateurs. Les utilisateurs actifs chaque semaine dans ce groupe ont augmenté d’environ 6 %. Mais la rétention au jour 30 des nouveaux utilisateurs est passée de 31 à 29 %. Notre responsable de produit veut l’offrir à tout le monde avant janvier. Si vous étiez notre scientifique des données, que feriez-vous?

Inés(personne candidate) :

D’accord. D’abord quelques questions, si je peux. Les 20 %, comment les avez-vous choisis? Au hasard?

Thandiwe(intervieweur) :

Au hasard, avec l’outil d’expérimentation, par un déploiement à un pourcentage des utilisateurs. Mais seulement sur iOS. Android n’était pas prêt.

Inés(personne candidate) :

Seulement iOS. D’accord. Elle écrit. Et les 31 %, c’est qui?

Inés apprend que les 31 % viennent du tableau de bord de Kenji : tous les autres nouveaux utilisateurs, sur les deux plateformes. Elle demande si les utilisateurs d’iOS et d’Android sont semblables (« Peut-être que les gens sur iOS paient plus? »). Thandiwe dit que les utilisateurs d’iOS restent plus longtemps. Inés demande donc le chiffre pour les utilisateurs d’iOS sans Pip. La réponse est environ 33 %. L’écart comparable est donc d’environ 4 points, pas 2. « Hmm. Là, je suis plus inquiète, pas moins », dit-elle.

Minutes 26 à 38 : combien de personnes, et lesquelles

Thandiwe(intervieweur) :

Elle rit. D’accord, retenez ça. Combien de personnes pensez-vous qu’il y a dans ces 29 %?

Inés(personne candidate) :

Pardon, pouvez-vous répéter? Le son a coupé un peu.

Thandiwe(intervieweur) :

Bien sûr. Les 29 %. Combien de personnes est-ce que ça représente, selon vous?

Inés(personne candidate) :

Ah, d’accord. Cinq semaines… Je ne sais pas combien de nouveaux utilisateurs vous avez. Plusieurs milliers, j’imagine?

Thandiwe(intervieweur) :

Environ 2 400.

Inés(personne candidate) :

Seulement 2 400? Mais ça fait cinq semaines, et 20 %…

Oh, attendez. Jour 30. Il faut trente jours pour savoir. Alors seulement les gens des premiers jours ont le chiffre. La première semaine, plus ou moins.

Thandiwe(intervieweur) :

Exactement. Les cinq premiers jours d’inscription. Fin août.

Inés(personne candidate) :

Fin août. Vous savez, dans une école, septembre, c’est quand tout le monde commence quelque chose. Des nouveaux cours, une nouvelle salle d’entraînement. Et en octobre, beaucoup de gens arrêtent. Janvier, c’est comme ça aussi, avec la nouvelle année. Mais ce ne sont pas les mêmes gens. Alors je suis prudente avec seulement une semaine.

Comment l’intervieweur va plus loin

Ici, Thandiwe aide un peu, et Inés trouve elle-même le point important. Un chiffre au jour 30 après cinq semaines couvre seulement les utilisateurs inscrits pendant les cinq premiers jours. C’est un petit groupe, et ils se sont tous inscrits pendant la semaine de la rentrée. Inés ajoute quelque chose tiré de son expérience en classe. Les gens qui commencent en septembre peuvent se comporter autrement que ceux qui commencent en janvier.

Thandiwe(intervieweur) :

Donc, iOS contre iOS, de 33 à 29, avec 2 400 personnes dans le groupe Pip. La baisse est-elle réelle?

Inés(personne candidate) :

Je ne peux pas le calculer de tête. Je sais qu’il y a un test pour deux proportions, on l’a fait dans la formation intensive. Je chercherais la formule, ou j’utiliserais Python.

Thandiwe(intervieweur) :

D’accord. Je vous le donne. L’intervalle à 95 % pour la différence va d’environ moins 6 à moins 2 points. Qu’est-ce que ça vous dit?

Inés(personne candidate) :

Moins 6 à moins 2. Ça ne touche pas zéro. Alors c’est une vraie baisse, je pense. Peut-être petite, 2 points. Peut-être grande, 6.

Thandiwe(intervieweur) :

Alors, diriez-vous à Kenji : « Pip réduit la rétention de 4 points »?

Inés(personne candidate) :

Pour les gens sur iOS qui se sont inscrits cette semaine-là… oui, probablement. Ils ont été choisis au hasardement, même semaine, même téléphone. Mais pour tout le monde en janvier? Android, d’autres pays, les gens du nouvel an? Je ne sais pas. Une semaine en août, ce n’est pas janvier.

Pourquoi cela fonctionne

Inés ne peut pas calculer l’intervalle, et elle le dit clairement. Mais elle le lit correctement et distingue deux questions. La baisse est-elle réelle pour les gens dans le test? Probablement, parce que l’outil les a choisis au hasard. Sera-t-elle la même pour tout le monde en janvier? Les données ne permettent pas de le dire. Beaucoup de gens ayant une formation plus poussée en statistiques confondent ces deux questions.

Minutes 38 à 50 : le cas Parlo, deuxième partie

Thandiwe(intervieweur) :

D’accord. Quoi d’autre voudriez-vous examiner?

Inés(personne candidate) :

La question que je veux vraiment poser, c’est : est-ce qu’ils apprennent plus? Parce qu’actif chaque semaine, c’est… les gens ouvrent l’application. La rétention, c’est les gens qui restent. Mais Parlo vend de l’apprentissage, non? Est-ce que vous mesurez s’ils parlent mieux?

Thandiwe(intervieweur) :

Pause. Honnêtement, pas vraiment. On a un court test de classement. Mais peu de gens le passent après le premier jour.

Inés(personne candidate) :

Alors c’est le même problème que Northway. Seulement les gens motivés passent le test.

Ce que je ferais : prendre un échantillon au hasard dans les deux groupes, Pip et sans Pip. Peut-être 500 chacun. Et les inviter à un court test oral au jour 30. Donner quelque chose pour ça, une semaine gratuite de Plus. Et ensuite, vous comparez. Des gens au hasard, pas les gens qui veulent passer le test.

Pourquoi cela fonctionne

C’est la meilleure question du cas, et elle vient de ses années d’enseignement. Parlo mesure l’activité et la rétention, mais sa promesse aux apprenants, c’est l’apprentissage. Inés applique aussi la leçon de son propre projet. Si seuls les volontaires passent le test, le résultat est biaisé. Elle invite donc un échantillon aléatoire. Une question reste ouverte : les personnes invitées ne passeront pas toutes le test. Mais c’est un bon début.

Thandiwe(intervieweur) :

J’aime cette idée. On ne l’a jamais fait. Et une chose que vous n’avez pas demandée : les leçons terminées ont diminué dans le groupe Pip.

Inés(personne candidate) :

Pour une enseignante, ce n’est pas mauvais en soi. Parler est peut-être plus utile que les exercices répétitifs. Mais parler, c’est aussi difficile. Pour les débutants, ça peut faire peur, on se sent stupide. Mes élèves adultes, les premières semaines, certains ne disaient pas un mot. Alors je regarderais par niveau. Peut-être que Pip est excellent pour les gens B1 et trop difficile pour les débutants. Et que ce sont les débutants qui partent.

Thandiwe(intervieweur) :

On a bien le niveau recueilli à l’inscription. Personne n’a encore fait cette comparaison par niveau.

Inés(personne candidate) :

Et aussi… pardon, encore une chose. Où sont les gens? Dans l’autobus, dans le métro, vous ne pouvez pas parler à votre téléphone à voix haute. Dans certains pays, c’est très normal, dans d’autres, non. Alors peut-être que certaines personnes n’essaient jamais Pip.

Thandiwe(intervieweur) :

C’est vrai. Dans certains pays, beaucoup de gens ne l’utilisent pas. D’accord. Maintenant, disons que Kenji accepte de faire une expérience rigoureuse. Des nouveaux utilisateurs choisis au hasard sur les deux plateformes, la moitié avec Pip. Combien d’utilisateurs vous faut-il, et combien de temps?

Inés(personne candidate) :

Hmm. Ça, c’est la puissance, non? Je connais l’idée. J’utiliserais un calculateur. Mais il me faut… quelle différence est importante pour vous. Un point? Deux points?

Thandiwe(intervieweur) :

Disons qu’un point de rétention au jour 30 nous importe.

Inés(personne candidate) :

Un point, c’est petit. Alors beaucoup de gens. Plus de 2 400, c’est sûr. Beaucoup plus. Mais combien… je ne sais vraiment pas. Désolée.

Thandiwe(intervieweur) :

Ce n’est pas grave. Et combien de temps?

Inés(personne candidate) :

Au moins trente jours, à cause du jour 30. Plus le temps de recruter les gens.

La limite

C’est ici qu’elle atteint sa limite. Inés connaît les idées : la puissance, la taille de la différence, l’attente de 30 jours. Elle ne peut pas les convertir en chiffre, et le poste exige cela chaque semaine. Elle n’invente pas de chiffre, et c’est bien. Mais elle s’arrête aussi trop tôt. Elle pourrait raisonner pour trouver une taille approximative.

Une meilleure réponse

Une réponse plus solide n’exige pas de connaître la formule par cœur. Il faut une estimation approximative et le raisonnement qui l’appuie :

« Je ne me souviens pas bien de la formule, alors je vais essayer d’estimer. La rétention est d’environ 30 %. La différence qui nous importe est de 1 point, donc c’est très petit. Je me souviens que les petites différences exigent des dizaines de milliers de personnes par groupe. Je pense que c’est environ 30 000 par groupe pour un point. Mais je vérifierais avec un calculateur avant de le dire à quelqu’un. Combien de nouveaux utilisateurs avons-nous par jour? Si c’est quelques milliers sur les deux plateformes, il faut environ deux semaines pour recruter les gens. Ensuite, on attend 30 jours pour les derniers. Donc environ six semaines. Si on commence ce mois-ci, on saura avant janvier. »

Parlo reçoit environ 5 500 nouveaux utilisateurs par jour, donc les six semaines sont justes. Avec iOS seulement, il faudrait environ deux mois. L’estimation aide aussi à prendre la décision : Kenji peut avoir une réponse fiable avant le pic de janvier.

Thandiwe(intervieweur) :

D’accord, dernière partie. Imaginez que Kenji vous envoie un message : « Est-ce qu’on offre Pip à tout le monde, oui ou non? » Que lui dites-vous?

Inés(personne candidate) :

Je lui dis : pas encore. Les gens utilisent plus l’application avec Pip, c’est bien. Mais quand on compare iOS avec iOS, la rétention est environ quatre points plus basse. C’est seulement une semaine de gens, alors je ne suis pas sûre pour janvier. Mais c’est un avertissement. D’abord, on cherche pourquoi. Peut-être les débutants, peut-être les leçons. Et on vérifie s’ils apprennent. Parce que s’ils apprennent plus, peut-être qu’une petite baisse est acceptable. S’ils n’apprennent pas plus et qu’ils partent plus, alors non.

Thandiwe(intervieweur) :

Et s’il dit : « Je ne peux pas attendre, janvier est notre plus gros mois »?

Inés(personne candidate) :

Alors… peut-être l’offrir d’abord aux gens qui ne sont pas débutants. Et garder un petit groupe sans Pip, pour continuer à mesurer.

Pourquoi cela fonctionne

Sa réponse est courte, honnête sur les inconnues et formulée dans le langage de Kenji. Elle annonce clairement la mauvaise nouvelle, sans l’amplifier au-delà de ce que les données permettent. Quand il insiste, elle propose un compromis : commencer par les apprenants qui ne sont pas débutants. Elle garde aussi un groupe sans Pip pour que l’équipe puisse continuer à mesurer. Thandiwe note que c’est un long-run holdout, un groupe témoin maintenu à long terme, même si Inés n’utilise pas ce terme.

Minutes 50 à 60 : les questions d'Inés et la fin

Inés(personne candidate) :

J’ai deux questions. La première. Qui travaille sur l’apprentissage chez Parlo? Comme, la science de l’apprentissage?

Thandiwe(intervieweur) :

Bonne question. Il y a deux linguistes dans l’équipe de contenu. Ils conçoivent les leçons. Honnêtement, l’équipe de science des données ne travaille pas beaucoup avec eux. Nous parlons de rétention, ils parlent d’apprentissage. Il manque un lien.

Inés(personne candidate) :

D’accord. Et la deuxième. Si je commence, comment sont les trois premiers mois? C’est quoi une semaine normale?

Thandiwe(intervieweur) :

Vous seriez responsable d’un volet du produit, seule avec un responsable de produit. Les gens posent beaucoup de petites questions, donc du SQL chaque jour. Et presque chaque semaine, une expérience à concevoir ou à interpréter. La fin de chaque trimestre est chargée.

Inés(personne candidate) :

D’accord. Merci de le dire directement. La partie statistiques, je sais que je dois progresser.

Pourquoi cela fonctionne

Les deux questions obtiennent des réponses sincères qui ne figurent pas dans l’offre d’emploi. La première révèle un manque chez Parlo qui correspond à sa force. La deuxième révèle le vrai travail hebdomadaire. Inés peut donc aussi juger si le poste lui convient. Consultez Une entrevue est une conversation dans les deux sens.

Thandiwe(intervieweur) :

Merci, Inés. J’ai vraiment aimé la question sur l’apprentissage. Mira vous contactera cette semaine pour les prochaines étapes.

Inés(personne candidate) :

Merci. C’était… j’ai aimé ça, vraiment. Au revoir!

Après l’appel : les notes de Thandiwe

Candidate : Inés Navarro. Étude de cas produit, 60 minutes.

Preuves solides

• Compréhension du produit d’apprentissage. A demandé si les personnes apprennent davantage. A proposé un échantillon aléatoire avec un test d’expression orale. Personne d’autre n’a posé cette question.
• Comparaisons équitables. A demandé de comparer iOS à iOS et a trouvé l’écart de 4 points. A distingué « réel pour ces utilisateurs » de « vrai en janvier ». A trouvé le problème de sélection dans son propre projet quand nous avons examiné les NULL.
• Communication avec une gestionnaire de produit. Recommandation claire et honnête; compromis raisonnable quand on l’a poussée.

Quelques preuves

• SQL. Comprend les jointures après un petit exemple; première réponse sur LEFT JOIN incorrecte, puis s’est corrigée. Même constat qu’à l’épreuve SQL.
• Lecture d’un intervalle de confiance. L’a lu correctement, mais n’a pas pu le calculer.

Aucune preuve

• Conception d’expériences avec des chiffres (puissance, taille d’échantillon, durée), méthodes d’inférence causale, apprentissage automatique.

Préoccupation

• Profondeur des connaissances en statistiques. A atteint sa limite à la taille d’échantillon. Ce poste demande de concevoir des expériences sans aide, avec une gestionnaire de produit, chaque semaine. Elle aurait besoin de plusieurs mois de soutien étroit.

Recommandation : non pour ce poste, à regret. Mais Simone, parlez-lui du problème des résultats d’apprentissage. Elle a vu en dix minutes ce que nous n’avons pas mesuré en un an.

La suite des événements

Simone a lu les notes et a appelé Inés la semaine suivante. Elle a été honnête. Le poste de scientifique des données exige plus de connaissances en statistiques qu’Inés n’en a aujourd’hui. Le seul poste vacant est allé à une autre candidate, Chloe Martin.

Mais Simone avait un problème que les notes de Thandiwe décrivaient bien. Parlo ne pouvait pas dire si les personnes apprennent. Simone a donc créé un contrat de six mois en analyse de données, du côté des sciences de l’apprentissage. Inés travaillerait avec les deux linguistes et Thandiwe. Sa première tâche consiste à concevoir le test d’expression orale pour un échantillon aléatoire et à préparer les données nécessaires. Le contrat n’est pas un poste permanent, et Simone l’a dit clairement. Elle a aussi dit qu’un poste permanent pourrait suivre si le travail se passait bien, sans le promettre.

Inés a accepté. Dès son premier mois, elle a demandé à Thandiwe une heure par semaine pour travailler les statistiques. Thandiwe a dit oui.

C’est une voie courante vers une équipe de données pour les personnes qui changent de carrière. Vous n’obtiendrez peut-être pas le poste demandé. Mais si vous montrez une vraie force en entrevue, une équipe peut parfois créer un poste plus limité pour vous. Cela dépend en partie de la chance, et en partie de ce que vous avez montré.

Ce qu’il faut retenir

• Votre travail passé est une preuve. Les meilleures réponses d’Inés venaient de sa classe : arrivées en septembre, débutants inquiets, personnes qui cessent de venir. Voir Votre expérience est une longueur d’avance.
• Corrigez-vous à voix haute. Elle a dit « deux lignes », puis « non, attendez, trois ». Une correction rapide est un bon signe, pas un mauvais.
• Comprenez vos chiffres, pas seulement la façon de les obtenir. Les NULL de son LEFT JOIN changeaient les personnes incluses dans son taux de réussite. C’était la vraie leçon de l’exercice d’échauffement.
• Dites ce que vous ne savez pas, puis raisonnez aussi loin que possible. Elle a eu raison de ne pas inventer une taille d’échantillon. Elle aurait pu aller plus loin avec une estimation approximative.
• Votre anglais n’a pas besoin d’être parfait. La personne qui l’interviewait a évalué son raisonnement, et celui-ci était clair.

Si votre profil ressemble à celui d’Inés

Votre connaissance du domaine est rare, et elle ressort dans une étude de cas. Il vous manque de la profondeur en statistiques et en SQL. Quelques semaines de pratique ciblée peuvent combler une bonne partie de cet écart.

1. Exercez-vous aux jointures avec de minuscules tables sur papier. Trois lignes à gauche, deux à droite, un doublon. Prédisez le résultat de chaque jointure, puis exécutez-la. Calculez ensuite une moyenne et vérifiez quelles lignes elle utilise. Voir Joindre des tables et Agréger correctement.
2. Apprenez à estimer approximativement une taille d’échantillon. Utilisez un calculateur de puissance pour quelques cas : de 30 % à 29 %, de 30 % à 28 %, de 10 % à 9 %. Notez comment les chiffres changent. Après une heure, vous aurez une idée de la taille et pourrez en parler en entrevue. Voir Comparer des options et Estimer l’incertitude.
3. Corrigez le point faible de votre projet et décrivez-le dans le README. Pour Inés : ajouter « n’a pas terminé » comme troisième groupe et préciser ce que l’analyse peut ou ne peut pas montrer. Une limite présentée honnêtement renforce un portfolio. Voir Les éléments d’un portfolio.
4. Revoyez les verbes de votre CV. « A augmenté » affirme une cause. « Était lié à » décrit ce que vous avez trouvé. Vérifiez chaque affirmation de cette façon.
5. Exercez-vous à répondre pour vendredi. Prenez n’importe quel cas et expliquez votre recommandation en quatre phrases à un ami qui ne travaille pas avec des données. Voir Expliquer vos décisions.
6. Postulez là où votre domaine compte. Les entreprises en éducation, santé, langues et formation ont besoin de personnes qui comprennent leurs utilisateurs. Dans ces entrevues, votre passé est un avantage.