Apercu
Le data scientist est souvent percu comme un profil purement technique. Mais dans une lettre de motivation, ce qui fait la difference n'est pas la liste des algorithmes maitrises. C'est la capacite a montrer comment vos modeles resolvent des problemes reels et generent de la valeur pour l'entreprise.
Cette lettre est celle d'Ines Charrier, data scientist chez Sanofi. Elle postule chez Ubisoft. Sa lettre est remarquable par la precision de ses resultats et la clarte du lien entre technique et impact business.
La couverture des modeles
Je developpe des modeles de prevision de demande couvrant 14 marches europeens et 320 references produit.
14 marches. 320 references. Ces chiffres montrent que les modeles d'Ines ne sont pas des prototypes de recherche. Ce sont des outils de production qui couvrent un perimetre commercial significatif.
L'impact operationnel
Ayant reduit les ruptures de stock de 27 % et le surstockage de 19 %.
Reduire les ruptures de stock de 27 % et le surstockage de 19 %, c'est un impact financier direct sur les operations. Les ruptures de stock representent des ventes perdues, le surstockage represente du capital immobilise. Ce sont des metriques que tout directeur supply chain comprend.
Le deploiement en production
J'ai deploye 4 modeles en production via MLflow et Kubernetes, servant des predictions quotidiennes.
Beaucoup de data scientists construisent des modeles qui restent dans des notebooks Jupyter. Mentionner le deploiement en production avec MLflow et Kubernetes montre une maturite MLOps qui est de plus en plus recherchee.
Le transfert de competences
Ma formation de 2 data scientists juniors temoigne de ma capacite a faire monter en competence une equipe.
Former des collegues juniors est un signal de seniorite. Cela montre qu'Ines peut structurer une equipe data, pas seulement travailler seule sur ses modeles.
Le pivot vers le gaming
Le lien avec Ubisoft est bien construit : l'application du machine learning aux donnees comportementales des joueurs est un defi passionnant et coherent avec son parcours en modelisation predictive. Le recruteur voit que la candidate a reflechi a la transposition de ses competences.
Ce qu'il faut retenir
Pour un poste de data scientist, montrez le perimetre de vos modeles (nombre de marches, de produits), l'impact operationnel (reduction des couts, amelioration des previsions) et votre capacite a deployer en production. Les recruteurs veulent des data scientists qui livrent, pas seulement des chercheurs.
