L5 / IC4 · 5 à 8 ans
Préparation entretien Senior Data Scientist — ce qui vous attend
Les entretiens Senior Data Scientist cherchent un signal différent de celui du mid-level DS. Ils veulent la preuve que vous savez porter une métrique multi-équipes ou une surface produit, pas seulement faire tourner des analyses individuelles. Les rounds product sense deviennent ouverts ("l'engagement sur notre produit de messaging stagne depuis 6 mois — que feriez-vous ?") et le round modélisation devient un deep-dive sur un projet que vous avez porté 6 mois ou plus.
Les technical screens existent toujours — SQL et Python. Beaucoup de candidats senior sautent la prep ici en supposant que la barre monte vers la stratégie seule, et se font attraper au round de coding. Les rounds comportementaux se concentrent sur l'influence cross-fonctionnelle, l'arbitrage entre de nombreuses expériences possibles, et la conversion de questions business floues en agenda de recherche. Beaucoup de boîtes ajoutent aussi un tech talk à ce niveau : vous présentez du travail passé pendant 30 à 45 minutes et répondez aux questions de la salle.
Version personnalisée
Ce guide couvre la barre générale pour les entretiens Senior DS. L'extension Chrome Calibrd applique la même calibration à chaque offre que vous ouvrez — questions prédites avec coaching IA pour vous entraîner, benchmark de salaire, analyse des écarts, brouillons de lettre de motivation et d'auto-présentation. Premier rapport gratuit ; plans payants à partir de 3,99 $ pour la suite. Ou lancez un scan unique sur une offre, sans installer.
Ce qui sera attendu de vous
- Porter une surface produit ou une métrique business end-to-end ; définir à quoi ressemble "bien" et comment ça se mesure
- Mener un agenda de recherche sur 3 à 6 mois — plusieurs expériences, travaux de modélisation et analyses rattachés à un seul pari
- Travailler en partenariat avec les leads PM, ingénierie et design ; faire passer des décisions, pas juste produire des graphes
- Mentorer les DS juniors ; relire leurs designs d'expérience et leurs plans d'analyse
- Prendre des décisions build / partner / buy sur l'infra de modélisation et l'outillage
- Représenter la data science dans la planification cross-fonctionnelle au niveau directeur
Process d'entretien typique
La plupart des entreprises suivent une trame similaire pour les entretiens Senior DS. Délai calendaire total : 5 à 8 semaines du pré-screen recruteur jusqu'à l'offre.
Questions types à anticiper
Représentatives de ce que les entreprises demandent à ce niveau — pas une liste exhaustive. Pour des questions prédites liées à une offre d'emploi précise, lancez le scan gratuit ci-dessus.
- “L'engagement sur notre produit de messaging stagne depuis deux trimestres. Déroulez comment vous investigueriez, et les 3 paris que vous lanceriez.”
- “On envisage de changer le modèle de pricing — flat-rate vs usage-based. Comment cadreriez-vous l'analyse pour appuyer la décision ?”
- “Notre courbe de rétention a une chute marquée à J+30. Quelles hypothèses avez-vous, et dans quel ordre les testeriez-vous ?”
- “Parlez-moi d'une métrique que vous avez redéfinie ou proposée. Comment avez-vous construit l'alignement autour ?”
- “Déroulez un pari de recherche que vous avez fait et qui n'a pas payé. Quel signal vous a dit qu'il fallait s'arrêter ?”
- “Notre plateforme a un ranker de search (utilisé sur ~60 % des sessions) et un modèle de reco home-page (~30 %). Les deux sont plats sur les métriques d'engagement ce trimestre. Avec un trimestre de bandwidth de votre équipe, sur lequel investiriez-vous et pourquoi ?”
- “Parlez-moi d'une fois où vous avez porté une métrique end-to-end sur un trimestre. Qu'est-ce que l'organisation a fait différemment grâce à votre travail ?”
- “Décrivez un désaccord avec un PM ou un leader ingénierie senior sur le cadrage d'un problème. Comment avez-vous opéré au travers ?”
- “Déroulez la question de recherche la plus ambiguë que vous avez portée. Quel framework avez-vous appliqué pour la rendre traitable ?”
Benchmark de salaire
Salaire médian pour Senior DS dans les grandes boîtes tech US, chiffres principaux en USD. Paris / Berlin / Singapour paient typiquement 30 à 50 % de moins en base ; les ratios d'equity varient selon le stade de l'entreprise.
Le total comp FAANG L5 Senior DS au 50e percentile est de 380–520 k$. Meta E5 DS et Google L5 DS atteignent le haut de cette bande ; Stripe / Airbnb / Spotify un cran en dessous. À Paris, la base Senior DS tourne autour de 80–115 k€ selon l'employeur. Les boîtes AI-first (Mistral, Hugging Face, Anthropic, OpenAI) paient souvent 25 à 50 % au-dessus, avec un poids equity plus lourd.
Comment se préparer — cinq conseils tactiques
Ouvrez vos réponses comportementales avec la méthode STAR — Situation, Tâche, Action, Résultat. Les conseils tactiques ci-dessous s'appuient sur cette structure pour ce rôle précis.
- Préparez 12 à 15 STAR stories étiquetées sur les signaux senior+ : stratégie, ambiguïté, influence cross-fonctionnelle, ownership multi-trimestres, mentorat
- Ayez un POV stratégique sur la data et le produit de la boîte — top 3 paris que vous feriez, classés, défendus
- Choisissez 1 ou 2 projets de modélisation de votre CV et répétez le deep-dive à froid : chaque choix de méthode, chaque trade-off, chaque contre-factuel
- Travaillez les problèmes de product sense ouverts où le framework consiste à scoper et classer les paris d'abord, pas à designer un seul test
- Lisez les posts A/B récents du blog ingénierie de la boîte — soyez prêt à discuter de leur culture d'expérimentation dans le round hiring manager
Les pièges fréquents au niveau Senior DS
Quelques erreurs fréquentes qui font recaler les candidats Senior DS même quand ils sont par ailleurs solides. Mieux vaut les repérer en mock interview avant qu'elles n'apparaissent en vrai.
Dérouler du travail passé en "j'ai construit un modèle qui faisait X" sans dire quelle décision business le modèle a permise, ni ce que l'organisation a fait différemment grâce à ça.
Pourquoi ça rate
Les entretiens Senior DS sont calibrés contre le scope, pas la profondeur technique seule. Au L5 la question est de savoir si vous OWNEZ la décision que sert le modèle, pas juste si vous l'avez construit. "J'ai construit un modèle de churn" est une story mid-level ; "j'ai obtenu de l'équipe growth qu'elle réorganise ses interventions autour des segments que mon modèle a fait remonter, ce qui a fait +4M$ d'ARR retenu" est une story senior.
Comment rattraper
Pour chaque projet majeur, répétez la réponse à "qu'est-ce que l'organisation a fait différemment grâce à ce travail ?" Si la réponse c'est "ils ont regardé mon dashboard" ou "ils ont utilisé l'output du modèle", c'est encore du cadrage mid-level. Poussez-la vers une décision : un lancement annulé, une stratégie changée, un budget réalloué.
Traiter une question produit ouverte ("l'engagement plafonne — que feriez-vous ?") comme un seul A/B test à designer.
Pourquoi ça rate
Les entretiens Senior DS creusent si vous savez prioriser entre plusieurs expériences possibles, pas juste en designer une. Une réponse mono-test se lit "il pense comme un mid-level qui exécute sur un brief". Le cadrage stratégique, c'est : 3 hypothèses sur ce qui se passe, le test le moins cher pour chaque, dans quel ordre vous les feriez tourner, et qu'est-ce qui tuerait chaque pari.
Comment rattraper
Quand vous tombez sur un prompt produit ouvert, structurez : 3 hypothèses, signal le moins cher pour chacune, classement par valeur attendue × probabilité, et ce que vous feriez si chacune rate. Le classement + les critères d'arrêt sont le signal senior.
Choisir une approche de modélisation ("j'utiliserais XGBoost") sans expliquer ce que vous essaieriez d'abord, pourquoi, ou vers quoi vous basculeriez si ça ne marchait pas.
Pourquoi ça rate
Au L5 les intervieweurs notent le raisonnement derrière le choix de méthode, pas le choix lui-même. "J'utiliserais XGBoost" se lit comme suivre une recette. Le signal, c'est le chemin de décision : je commencerais par une régression logistique pour l'interprétabilité, je passerais au gradient boosting s'il me faut 5 points d'AUC en plus, je considérerais les modèles deep si les données sont en haute dimension ou ont des interactions que le baseline ne capture pas.
Comment rattraper
Structurez les réponses de modélisation comme un arbre de décision : premier essai + raison (souvent un baseline plus simple), ce qui vous dirait d'escalader vers une méthode plus complexe, ce qui vous dirait que la méthode actuelle est mauvaise. Des trade-offs approximatifs passent — c'est le raisonnement explicite qui compte plus que le "bon" choix de modèle.
Ressources recommandées
Livres, cours et outils qui reviennent le plus dans la préparation Senior DS. Sans lien d'affiliation.
- 01Trustworthy Online Controlled Experiments →Kohavi et al. — référence canonique sur l'A/B testing. Les loops senior creusent les effets d'interaction, la nouveauté et les comparaisons multiples ; chapitres 8 à 17.
- 02Causal Inference: The Mixtape →Livre en ligne gratuit de Scott Cunningham. Les méthodes causales (diff-in-diff, IV, synthetic control) ressortent plus dans les cas senior que mid-level.
- 03Storytelling with Data →Cole Nussbaumer Knaflic. Pour les rounds cross-fonctionnels — communiquer une analyse à un PM / ingénierie / exécutif senior.
- 04Blog ingénierie Spotify (posts data) →Vrai travail Senior DS à grande échelle. Pattern-matchez leurs writeups avant le tech talk.
- 05Stripe — How we ship metrics →Leur blog interne couvre leur philosophie des métriques en profondeur. Utile pour le round de design de métriques.
Scénarios courants
Je termine une thèse en statistiques ou ML à l'École Polytechnique, l'ENS ou EPFL. Comment je convertis ça en poste Sr DS chez une scaleup tech française ?
La différence avec la recherche, c'est la dimension produit. En thèse vous cherchez la solution optimale et vous publiez ; en industrie vous cherchez la solution qui shippe en deux mois avec 80% de la qualité optimale, et vous mesurez l'impact business. Les intervieweurs se méfient activement des profils qui restent en mode recherche — trop académiques, lents à shipper, attachés à la "bonne" méthode plutôt qu'à la méthode qui suffit. Avant les entretiens, refaites votre CV pour mettre en avant ce qui a "shippé" ou s'est rapproché de la production — un POC interne pour un labo, un outil que d'autres chercheurs ont utilisé, une contribution open-source au-delà du papier. En behavioral, les mots "déployé", "utilisateurs", "metric business" doivent apparaître ; sinon l'intervieweur entend "chercheur déguisé en industriel". Sur le coding : drillez Python + pandas + SQL pendant 6 à 8 semaines avant les entretiens, parce que la barre est plus opérationnelle que ce que vous avez pratiqué en thèse. Sur le level : la calibration standard en France est Thèse + 0 à 1 an industrie → DS L4 ; thèse + post-doc → Sr DS L5. Ne sous-estimez pas votre profondeur statistique — c'est un avantage rare dans les scaleups où la plupart des DS sont d'anciens analystes. Utilisez-le sur le round depth.
Je suis Sr DS dans une banque française (BNP, Société Générale, AXA, Crédit Agricole) depuis 5 ans, principalement sur du risque crédit ou de la lutte anti-blanchiment. Comment je transitionne vers une scaleup tech (Doctolib, Qonto) sans paraître trop académique ?
Bonne nouvelle : votre profil est plus recherché que vous le pensez. Les scaleups tech ont du mal à recruter des Sr DS qui ont opéré des systèmes en production à fort enjeu réglementaire — c'est exactement la profondeur opérationnelle que beaucoup d'anciens analystes scaleup n'ont jamais eue. Le frein principal n'est pas le profil, c'est la posture. La culture banque pousse à la prudence, à la doc exhaustive, et à l'attente d'instructions claires ; la culture scaleup demande l'inverse — initiative, validation rapide, tolérance à l'incomplet. Avant l'entretien, ré-écrivez vos stories pour montrer où vous avez décidé sans cadre, où vous avez livré rapidement, où vous avez challengé un process. Sur la technique : prévoyez 6 à 8 semaines pour driller du Python + ML moderne (PyTorch, Hugging Face Transformers, MLOps tooling) — la banque tourne souvent encore en SAS / R / scikit-learn, ce qui ne suffit plus à la barre Sr DS dans une scaleup AI-first. Sur le ML system design : c'est probablement votre plus gros écart. Lisez Chip Huyen (Designing Machine Learning Systems) avant le round design. Sur la comp : perte de fixe possible (10 à 15%), gain potentiel sur equity ; vérifiez la valorisation et le strike price avant de signer.
Je suis Sr DS dans une scaleup française depuis 4 ans. On me propose un poste remote pour une boîte américaine (Datadog, Stripe, GitLab). Comment je me prépare au loop, qui semble plus 'system design' que ce que je connais ?
Le delta principal : les loops US Sr DS testent à un niveau system design beaucoup plus profond que ceux en France. Drillez 4 à 5 problèmes canoniques ML system design (recommender, fraud detection, ranking, feature store, online inference at scale) en sachant donner des chiffres pour chaque composant — QPS attendu, taille du modèle, coût d'entraînement, latence p99. La napkin-math est ce qui sépare les Sr DS européens des candidats américains : si vous concevez un recommender sans citer "10M users, 50 reco par session, donc 25k QPS", l'intervieweur note "design en abstrait, pas d'expérience à grande échelle". Sur le coding : la barre Python est plus haute aux US qu'en France (LeetCode-mediums sur algos + structures de données, pas que pandas / SQL). Comptez 6 semaines de re-drill si vous n'avez pas touché LeetCode depuis l'école. Sur la behavioral, attendez-vous à de la rigueur méthodologique : "comment vous mesurez X", "quel est votre framework de décision", "qu'est-ce qui aurait fait shipper plus vite". Sur la comp : ne donnez jamais votre fixe actuel, demandez la grille du level qu'ils vous testent. Une offre Sr DS remote-Europe pour une boîte US c'est typiquement $200-280k TC, parfois plus si vous êtes calibré en L5+.
Je suis Sr DS depuis 6 ans, principalement en SQL / sklearn / Jupyter. Je vois que les MLE gagnent plus et bossent sur du plus pointu. Comment je m'y prends pour faire le saut ?
Pivot très commun aujourd'hui, et faisable, mais le gap principal est le coding. Les loops MLE testent au niveau LeetCode-medium en 40 minutes plus le numpy / pandas — pas le niveau notebook DS habituel. Comptez 8 à 12 semaines de prep si vous n'avez pas drillé LeetCode depuis l'école : 60+ mediums minimum, en commençant par la liste Top 150. En parallèle, drillez le code Python production : classes, type hints, pytest, un petit FastAPI. Les intervieweurs MLE notent "est-ce que cette personne pourrait commit en production sans supervision" — les Sr DS notebook-only se font filtrer là-dessus. Sur le ML system design : c'est le 2e écart. Vous savez modéliser ; vous ne savez probablement pas servir un modèle à 10k QPS, gérer la dérive en prod, ou monitorer le online / offline parity. Lisez Designing Machine Learning Systems (Chip Huyen) de bout en bout. Sur le level : la calibration standard est Sr DS (L5) → MLE (L4) downlevel, parfois Sr MLE (L5) si la boîte vous voit comme transition. Acceptez le downlevel temporaire — c'est plus rapide de monter au level supérieur en interne (12 à 18 mois) que de réinterviewer 6 mois plus tard quand le premier loop tape parce que le coding round est dur.
Questions fréquentes
Je suis DS mid et je vise un poste senior. Ce guide me concerne-t-il ?
Le guide vise la barre L5 / IC4 — typiquement 5 à 8 ans, avec un track record d'ownership sur des métriques multi-équipes et de l'influence cross-fonctionnelle. Si vous êtes DS mid avec 3 à 5 ans d'expérience, ce guide vous donne la cible vers laquelle vous calibrer : les signaux qu'on creusera sur votre prochain entretien senior. Lisez-le pour ancrer la barre, puis revenez-y quand vous postulez.
Combien de temps prévoir avant un onsite Senior DS ?
Le process prend 5 à 8 semaines. Comptez 6 à 8 semaines de prep — le round product / stratégie ouvert est la prep la plus rentable, et c'est celui que les candidats sous-préparent le plus. Renseignez-vous sur la surface produit de la boîte et ayez un framework top 3 paris que vous pouvez appliquer sur demande.
Quelle est l'erreur la plus fréquente des candidats au niveau Senior DS ?
Répondre à la profondeur d'un mid-level. Les rounds Senior DS ont besoin d'un cadrage stratégique en plus de la fluidité technique : priorités entre paris, décisions permises par le travail, histoires d'influence cross-fonctionnelle. Des bonnes réponses IC3 vous downlèveront ici.
Et si mon process d'entretien diffère de celui décrit ici ?
L'essentiel de la variation est marginal. Les grandes boîtes tech (FAANG, scale-ups, SaaS mid-size) suivent un process à 1–2 rounds près de ce qui est décrit. Les petites startups tournent souvent sur moins de rounds (3 à 4) mais la barre par round reste similaire ; les boîtes moins matures tech sautent parfois system design ou comportemental. Lisez l'offre et demandez au recruteur lors du pré-screen — il vous dira ce qui vient.
Comment ce guide se compare-t-il au scan gratuit ?
Ce guide couvre la barre générale au niveau L5 / IC4. Le scan gratuit lit votre offre d'emploi spécifique et renvoie les questions prédites pour ce poste + cette entreprise, un benchmark de salaire calibré et (avec votre CV) une analyse des écarts d'expérience et un passage ATS de CV. PDF par e-mail.
Prêt à préparer un vrai poste ?
Collez n'importe quelle offre Senior DS ou URL, recevez un rapport personnalisé.
Déposez une URL LinkedIn, Greenhouse, Lever ou Levels.fyi — ou collez le texte de l'offre directement. Questions prédites pour cette entreprise, vos écarts d'expérience spécifiques et un benchmark de salaire calibré sur le poste et la localisation. PDF par e-mail.
Installation libre · Aperçu sur chaque offre · Plans payants à partir de 3,99 $