Préparer votre propre entrevue

Vous avez maintenant vu cinq personnes passer la même entrevue approfondie sur l’apprentissage automatique. Leurs expériences étaient très différentes, mais leurs bons moments avaient les mêmes causes. Chaque personne connaissait un modèle en détail, de la cible aux problèmes survenus après le lancement. Chaque décision était liée à un coût réel : une commande en retard, un client mécontent, un livreur qui attend au magasin. Ces personnes disaient clairement ce qu’elles ne savaient pas et raisonnaient à partir de ce qu’elles savaient.

Pensez à un examen de conduite. Lire les règles aide. Mais les gens réussissent parce qu’ils ont souvent conduit sur de vraies routes, avec quelqu’un qui disait « vérifiez votre rétroviseur ». L’examen reste différent, mais vous savez quoi faire. Cette page propose un plan pour ce genre de pratique. Il faut environ trois semaines de courtes séances.

Étape 1 : choisir une offre et bien la lire

Ne vous préparez pas aux « entrevues d’ingénieur en apprentissage automatique » en général. Préparez-vous pour une offre réelle, puis adaptez votre préparation à la suivante. Lisez-la comme vous l’avez vu dans Lire l’offre d’emploi et Lire l’offre sans se faire d’illusions :

• Résumez le problème derrière l’offre en une phrase.
• Trouvez qui utilise la sortie du modèle et ce que lui coûte une erreur.
• Classez les éléments en trois catégories : exigences, souhaits et renseignements manquants.
• Faites le tableau de préparation.

Le tableau montre les expériences que vous pouvez déjà raconter et les lacunes à combler ou à expliquer honnêtement.

Étape 2 : choisir un modèle et rédiger des notes détaillées

Dans chaque série d’entrevues d’ingénieur en apprentissage automatique, quelqu’un vous questionne sur un modèle que vous avez mis en production. Choisissez un modèle, celui que vous connaissez le mieux. Vous n’avez pas à en avoir été l’unique responsable. Précisez les parties dont vous étiez responsable.

Pour ce modèle, écrivez de courtes réponses à ces questions. Utilisez des chiffres réels si vous en avez, sinon des chiffres approximatifs (« environ 200 caractéristiques, je pense »).

1. La cible : que prédisait exactement le modèle, et pourquoi cela plutôt qu’autre chose?
2. Le moment de la prédiction : quand le modèle s’exécutait-il, et quelles données étaient réellement disponibles à ce moment?
3. La séparation des données : comment l’avez-vous testé? Si les données changent avec le temps, avez-vous testé sur une période ultérieure?
4. La référence de base : quel résultat donnait une règle simple ou un modèle simple? De combien votre modèle était-il meilleur?
5. La métrique : pourquoi cette métrique? Qui utilisait la sortie, et que lui coûtait une erreur?
6. La mise à disposition : par lots ou en temps réel? À quelle vitesse? Que se passait-il lorsqu’une caractéristique manquait?
7. Après le lancement : comment saviez-vous qu’il fonctionnait encore? Que surveilliez-vous?
8. Les problèmes : quel était le pire problème après le lancement, comment l’avez-vous trouvé et qu’avez-vous changé?
9. Les limites : que faudrait-il changer avec dix fois plus de trafic, un délai strict ou un nouveau marché sans historique?

Les questions 2 et 8 comptent plus que la plupart des gens le pensent. La question 2 révèle les fuites de données. La question 8 montre aux responsables de l’entrevue que vous avez vraiment fait le travail. Seule la personne qui a corrigé un problème s’en souvient avec autant de détails.

Si vous ne pouvez pas répondre à la question 3, 4 ou 7 pour votre modèle, revenez-y maintenant. Demandez à un collègue qui connaît la réponse. Refaites le test sur une période ultérieure. Calculez la référence de base. Vous l’avez vu dans L’ingénieur logiciel et L’ingénieur de plateforme. Travailler près d’un modèle ne suffit pas si vous n’avez jamais eu à répondre à ces questions.

Si vous n’avez aucun modèle en production

Construisez un petit modèle qui se comporte comme un vrai modèle, et prenez les décisions vous-même. Il n’a pas besoin d’être gros. Il doit être honnête. Voici une bonne structure de projet :

• Des données qui changent avec le temps, par exemple les locations horaires de vélos, les trajets de taxi ou la consommation d’énergie.
• Un test sur une période ultérieure, et une référence de base simple à battre.
• La prédiction d’un intervalle, pas seulement d’un nombre, par exemple les 10e et 90e centiles.
• Une petite API qui sert le modèle, avec un temps de réponse mesuré.
• Une vérification de surveillance qui compare les nouvelles données aux données d’entraînement.

Le projet de Hana dans Le retour au travail suivait cette structure. Notre étude de cas Prévoir la demande de vélopartage couvre les premières étapes. Servir un modèle de prix des maisons montre comment rendre un modèle accessible par une API. Lisez aussi nos conseils.

Étape 3 : pratiquer votre introduction à voix haute

L’entrevue approfondie commence par « Parlez-moi d’un modèle que vous avez mis en production ». Vos deux premières minutes orientent la conversation, car la personne vous questionne sur ce que vous dites. Parlez donc des sujets sur lesquels vous voulez des questions.

Préparez une présentation de deux minutes. Elle devrait aborder :

• le problème et les personnes qui utilisaient la sortie du modèle;
• la cible et une décision importante, avec sa raison;
• le résultat, en chiffres, comparé à la référence de base;
• une chose qui a mal fonctionné après le lancement.

Dites-la à voix haute et enregistrez-la sur votre téléphone. Écoutez-la une fois. La plupart des gens parlent trop des outils (« nous utilisions Airflow, MLflow, Kubernetes… ») et trop peu des décisions. Si l’anglais est votre langue seconde, n’essayez pas de mémoriser des phrases parfaites. Pratiquez l’ordre de vos idées et utilisez des mots simples. Notre leçon Expliquer vos décisions montre cette étape en détail.

Étape 4 : pratiquer les décisions de base vérifiées à chaque étape

Dans les cinq entrevues, les mêmes idées revenaient souvent, formulées autrement. Toute série d’entrevues sérieuse les vérifie dans l’entrevue approfondie, la conception de systèmes et parfois la programmation. Pour chacune, pratiquez une explication en deux ou trois phrases simples, avec un exemple de votre travail si possible.

L’idée	Une question qui la vérifie	Où pratiquer
Les fuites de données et les tests sur une période ultérieure	« Votre modèle semble très bon hors ligne. Que vérifieriez-vous d’abord? »	Données d’entraînement, de validation et de test
Transformer un besoin d’affaires en cible	« Que devrait exactement prédire le modèle pour cela? »	Traduire un besoin
Une métrique qui reflète le coût des erreurs	« Un retard est pire qu’une avance. Comment votre métrique le montre-t-elle? »	Les métriques de régression
Prédire un intervalle, pas seulement un nombre	« Comment montreriez-vous un intervalle? Comment vérifiez-vous qu’il est honnête? »	Estimer le prix des maisons
Les erreurs par groupe, pas seulement en moyenne	« Le modèle fonctionne bien en moyenne. Où fonctionne-t-il mal? »	L’analyse par sous-groupes
La même caractéristique à l’entraînement et en production	« Bon hors ligne, moins bon en ligne. Où cherchez-vous? »	Empaqueter les artefacts
Surveiller le modèle après le lancement et le réentraîner	« Comment sauriez-vous qu’il fonctionne encore le mois prochain? »	Planifier les vérifications en production
Tester avec de vrais clients qui partagent des ressources	« Les clients partagent les livreurs. Comment faites-vous le test? »	Les pages des candidatures chez Fennick, surtout Le scientifique des données et Le retour au travail
Quand un modèle simple suffit	« Pourquoi pas un réseau de neurones? »	Quand un modèle simple est meilleur

Vous n’avez pas besoin de maîtriser les neuf idées. Vous devez reconnaître chacune dans une question et dire quelque chose de correct et d’honnête à son sujet.

Étape 5 : pratiquer le problème de l’entreprise

La plupart des entrevues approfondies et des étapes de conception de systèmes utilisent un problème tiré du travail de l’entreprise. Vous pouvez généralement le deviner à partir de l’offre. Celle de Fennick disait « améliorer l’exactitude de nos promesses de livraison, surtout aux heures de pointe ». Un problème de délai de livraison aux heures chargées n’était donc pas une surprise.

Écrivez le problème auquel vous vous attendez en deux ou trois phrases, comme Ioana l’a fait. Puis répondez à voix haute pendant 20 minutes, avec une minuterie. Avant de terminer, vérifiez que vous avez abordé ces points :

• Que devrait prédire le modèle, et que voit le client ou l’utilisateur?
• Comment mesurez-vous un « bon » résultat, et un type d’erreur est-il pire que l’autre?
• Quelles données ajouteriez-vous, et pouvez-vous obtenir la même valeur en production?
• Comment le testez-vous sur une période ultérieure, puis avec de vrais utilisateurs?
• À quelle vitesse doit-il répondre, et que se passe-t-il lorsqu’une caractéristique manque?
• Comment savez-vous qu’il fonctionne encore dans trois mois?
• À qui parlez-vous d’abord en dehors de l’ingénierie?

Faites cet exercice deux ou trois fois, à des jours différents. Chaque fois, vous trouverez une lacune sur laquelle vous pourrez lire avant le prochain essai.

Étape 6 : préparer les autres étapes

L’entrevue approfondie est une étape parmi six. N’oubliez pas les autres.

• Programmation : pratiquez pandas et SQL avec des données réalistes : jointures, regroupements, fenêtres temporelles et valeurs manquantes. Pratiquez des caractéristiques basées sur le passé sans utiliser les lignes futures. Si l’entreprise utilise aussi une épreuve d’algorithmes, pratiquez quelques problèmes classiques. Demandez à la personne responsable du recrutement quel type d’épreuve vous attend.
• Conception de systèmes : pratiquez le dessin d’un système complet dans un ordre fixe. Commencez par l’objectif et l’étiquette. Ensuite, les caractéristiques et le modèle. Puis le test hors ligne, la mise à disposition et le test en ligne. Terminez par la surveillance et le réentraînement. Demandez ensuite à un ami de changer une exigence en cours de route, comme Ben le fait. Cet ordre vous aide à ne rien oublier. Ce n’est pas un texte à réciter.
• Valeurs : préparez deux ou trois expériences réelles. Une où quelqu’un hors de l’ingénierie vous a dit que votre travail était incorrect. Une où vous avez privilégié la qualité plutôt qu’une échéance, ou l’inverse, et pourquoi. Une où votre changement a nui à quelqu’un, et ce que vous avez fait.

Étape 7 : passer une entrevue avec une personne

La pratique en solo ne peut pas vous surprendre. Demandez à un ami ou à un ancien collègue, idéalement ingénieur ou scientifique des données, de vous interviewer pendant 45 minutes. Donnez-lui votre CV et les neuf questions de l’étape 2. Demandez-lui d’approfondir tout ce que vous dites. Ensuite, demandez un point fort et deux choses à améliorer.

Puis échangez les rôles et faites-lui passer une entrevue. Dans ce rôle, vous entendrez vite l’effet d’une réponse générale et l’aide qu’apporte une réponse précise.

Vous pouvez aussi pratiquer avec un assistant d’IA. Demandez-lui de jouer une personne stricte qui approfondit vos réponses et n’accepte jamais de réponse générale. C’est un bon exercice. Utiliser l’IA pendant une vraie entrevue est très différent, et nous vous demandons de ne jamais le faire (nos conseils).

Étape 8 : vous préparer aux limites de vos connaissances

Toute bonne entrevue vous amènera aux limites de vos connaissances. Préparez-vous à cela comme à toute autre partie.

Notez trois sujets de l’offre qui risquent de vous amener à vos limites. En apprentissage automatique, ce sont souvent les expériences en ligne, les caractéristiques en temps réel ou un type de modèle jamais utilisé. Pour chaque sujet, écrivez ce que vous savez et comment vous apprendriez le reste. Puis pratiquez cette réponse : « Je n’ai pas utilisé ça directement. Ce que je sais, c’est… Si je devais décider aujourd’hui, je commencerais par… »

Préparez-vous aussi à l’autre type de limite : quand la personne dit quelque chose qui vous semble faux. Vous avez vu Anika corriger doucement Ioana sur la perte quantile dans La chercheuse. Maîtrisez assez vos sujets principaux pour expliquer poliment votre point de vue, avec une raison, et accepter un bon contre-argument. Consultez nos conseils sur les désaccords.

Étape 9 : préparer vos questions

Écrivez deux ou trois questions pour chaque étape de l’entrevue. Appuyez-vous sur votre tableau de préparation et sur Lire l’offre sans se faire d’illusions. Pour un poste d’ingénieur en apprentissage automatique, les questions les plus utiles portent sur le quotidien du modèle :

• Comment les nouveaux modèles sont-ils mis en production?
• Comment se déroule le réentraînement, et qui le comprend?
• Quelles caractéristiques cessent de fonctionner le plus souvent?
• À quelle fréquence êtes-vous de garde?

Ces questions montrent que vous pensez comme une personne qui sera responsable du modèle. Elles vous donnent aussi les renseignements nécessaires pour décider.

Le jour de l’entrevue

• Demandez dès le début ce qui est permis : notes, documentation, assistant d’IA. Les règles peuvent varier selon l’étape. Suivez-les ensuite exactement.
• Pour une entrevue vidéo, testez votre caméra, votre microphone et le partage d’écran la veille.
• Il est normal de dire « Laissez-moi réfléchir un instant », puis de réfléchir en silence pendant 20 ou 30 secondes. Vous pouvez aussi demander qu’on répète une question ou qu’on explique un mot.
• Gardez du papier et un stylo près de vous. Un dessin rapide du flux de données aide souvent à réfléchir.
• Traitez la personne qui vous interviewe 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. Puis pratiquez ces questions. Si votre candidature n’est pas retenue, demandez poliment des commentaires. Certaines entreprises n’en donnent pas, mais d’autres le font, et une phrase honnête peut vous épargner des semaines.

Une partie du résultat échappe à votre contrôle (nos conseils). Dans ce guide, Mateo, un solide deuxième choix, a reçu un appel trois mois plus tard lorsqu’un deuxième poste s’est ouvert. Tunde a été recommandé à une autre équipe, qui l’a embauché. Gardez contact avec les personnes rencontrées, continuez à construire des projets et centrez votre plan 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, d’une famille ou d’autres études.

Semaine	Travail principal	À voix haute
1	Lisez l’offre et faites le tableau de préparation. Rédigez des notes détaillées sur un modèle. Comblez les lacunes des questions 3, 4 et 7.	Enregistrez deux fois la présentation de deux minutes.
2	Revoyez les neuf décisions de base de l’étape 4. Préparez vos trois sujets limites, vos expériences liées aux valeurs et vos questions. Pratiquez pandas et SQL pour la programmation.	Répondez deux fois au problème de l’entreprise, avec une minuterie.
3	Relisez vos notes. Corrigez ce que la pratique a révélé. Pratiquez une conception de système avec une exigence modifiée.	Faites une entrevue simulée avec une personne, puis une autre après avoir appliqué ses commentaires.

Ensuite, postulez et gardez vos notes. La prochaine offre ne demandera que quelques changements.