10 questions d'entretien pour évaluer un machine learning engineer

L'objectif d'un recruteur en entretien n'est pas de tester un niveau technique, c'est de vérifier la cohérence entre ce qui est écrit, ce qui est raconté et ce que le poste exige. Ces dix questions y suffisent.

Sur l'expérience réelle

• Racontez-moi un modèle que vous avez mis en production : qui l'utilisait, et à quel rythme ?
• Qu'est-ce qui a cassé après la mise en production, et comment l'avez-vous su ?
• Quelle part de votre temps passiez-vous sur les données plutôt que sur le modèle ?
• Sur quel volume de données travailliez-vous, et avec quelle infrastructure ?

Ce que vous écoutez : la présence de chiffres, la mention d'un incident, la capacité à distinguer ce que la personne a fait elle-même de ce que l'équipe a fait. Signal d'alerte : un récit uniquement au « nous » sans aucun détail opérationnel.

Sur la méthode

• Comment avez-vous décidé que le modèle était assez bon pour partir en production ?
• Comment surveilliez-vous la dérive des performances dans le temps ?
• Un modèle simple aurait-il pu suffire ? Pourquoi avoir choisi celui-là ?

Ce que vous écoutez : une métrique liée à un enjeu business, pas seulement à une mesure statistique, et la capacité à défendre un choix simple. Signal d'alerte : un candidat qui part systématiquement sur l'architecture la plus complexe.

Sur la collaboration

• Comment expliquiez-vous vos résultats à une personne non technique ?
• Un projet a-t-il été arrêté ? Pour quelle raison ?
• Qu'aimeriez-vous ne plus refaire dans votre prochain poste ?

La dernière question est la plus utile : elle révèle le contexte que le candidat fuit, donc le risque de départ à six mois.