Faut-il une lettre de motivation pour un poste d'analyste data ?

Où la lettre est réellement lue

Pour beaucoup de candidatures d'analyste data, personne ne lit la lettre de motivation avant le CV. Un recruteur ou un ATS scanne SQL, Python, Tableau, Power BI, dbt, ou quelle que soit la stack nommée dans l'annonce, et un humain n'ouvre la lettre qu'une fois votre CV déjà passé ce filtre. À ce stade la lettre est lue rapidement, souvent par le responsable du recrutement plutôt que les RH, car le recrutement d'analystes revient généralement au chef d'équipe qui travaillera effectivement avec vous.

Cela change la fonction de la lettre. Ce n'est pas là que vous prouvez que vous connaissez les jointures SQL ou savez écrire une fonction fenêtre. Votre CV, et tout portfolio ou lien GitHub, fait ça. La lettre est l'endroit où vous montrez que vous avez compris le problème spécifique décrit dans l'annonce et pouvez dire, brièvement, pourquoi vous êtes une réponse plausible. Si l'annonce dit que l'équipe a besoin de quelqu'un pour construire des tableaux de bord pour une fonction marketing et nettoyer un processus ETL qui plante tous les mois, un responsable veut voir que vous avez remarqué ces deux choses, pas un paragraphe sur votre enthousiasme pour la prise de décision fondée sur les données.

Là où la lettre porte un vrai poids, c'est quand quelque chose dans votre parcours nécessite une explication que le CV ne peut donner seul : un passage de la finance ou de la recherche académique vers l'analytique, un trou, ou un décalage entre votre dernier titre de poste et le niveau de séniorité du rôle visé. Là où elle en porte presque aucun, c'est quand vous êtes un analyste en poste qui postule latéralement pour un rôle similaire dans une entreprise similaire avec un CV solide et un parcours propre. Dans ce cas, une lettre générique mais compétente ne vous coûtera pas grand-chose, et une brillante ne vous rapportera pas grand-chose non plus — l'épreuve technique et l'exercice SQL ou l'étude de cas décideront.

Les une ou deux choses qu'un responsable veut vraiment savoir

Si on retire la convention du « dites pourquoi vous voulez ce poste », il reste vraiment deux questions, et elles portent sur la même chose : cette personne peut-elle transformer une question métier en réponse data, et peut-elle retransformer la réponse data en quelque chose qu'un interlocuteur non-technique peut utiliser.

La première trouve généralement réponse avec un exemple concret : une fois où vous avez pris une demande ambiguë — « pourquoi la conversion a chuté le trimestre dernier » plutôt qu'une requête spécifiée — et déterminé quoi mesurer réellement, de quelles tables ou flux d'événements extraire, et quels étaient les facteurs confondants. Nommer le mécanisme compte plus que nommer le résultat. « J'ai travaillé avec les données d'événements brutes dans BigQuery, vérifié s'il y avait eu un changement de tracking avant de faire confiance à la baisse, puis segmenté par canal » dit à un responsable comment vous pensez. « J'ai identifié des insights clés qui ont amélioré la performance » ne lui dit rien, car ce serait également vrai de n'importe quel poste avec le mot « analyste » dedans.

La deuxième est la partie que les analystes sautent souvent parce qu'elle semble moins technique, mais c'est généralement le vrai manque que l'équipe cherche à combler. La plupart des annonces d'analyste data, une fois qu'on lit au-delà de la liste d'outils, décrivent un problème de communication : des interlocuteurs qui ne font pas confiance aux chiffres, des tableaux de bord que personne ne regarde, des demandes qui arrivent sans question claire attachée. Si vous avez une ligne de preuve que vous avez présenté des résultats à des personnes qui n'étaient pas analystes — une équipe produit, un responsable marketing, un directeur financier — et changé ce qu'ils ont fait ensuite, mettez-le dans la lettre. C'est souvent plus précieux qu'une phrase supplémentaire sur votre maîtrise de SQL, car la maîtrise de SQL, c'est à ça que sert l'épreuve technique.

Quoi omettre

Ne reformulez pas votre CV en prose. Si votre CV liste déjà « 5 ans d'expérience avec SQL, Python, Tableau et Looker », répéter cette phrase dans la lettre gaspille les deux seuls paragraphes qui seront lus attentivement. Utilisez la lettre pour ajouter la seule chose que le CV ne peut montrer — le jugement, le contexte, ou le raisonnement derrière un projet — pas pour résumer ce qui s'y trouve déjà.

Évitez de nommer des outils que vous n'avez pas réellement utilisés juste parce que l'annonce les liste. Si le poste veut dbt et que vous n'avez utilisé que des scripts SQL bruts pour les transformations, dites-le clairement plutôt que de suggérer le contraire ; une équipe data le découvrira lors de la première conversation technique, et un décalage découvert là vous coûte plus de crédibilité que de l'admettre d'emblée.

Passez la ligne sur le fait d'être « passionné par la data ». C'est dit assez souvent pour avoir cessé de signifier quoi que ce soit, et ça ne vous distingue pas des autres candidats qui l'ont aussi écrit. Si vous voulez signaler un intérêt véritable, faites-le en référençant quelque chose de spécifique sur les données de l'entreprise — leur produit, leur cadence de reporting, une déclaration publique sur comment ils utilisent l'analytique — plutôt qu'une affirmation sur vos sentiments envers les tableurs.

Ne vous excusez pas pour les manques dans la stack. Si le rôle veut de la modélisation statistique avancée et votre parcours est surtout du reporting descriptif et des tableaux de bord, ne passez pas un paragraphe à expliquer ce qui vous manque. Soit le CV et la lettre ensemble font un argumentaire que vos forces dépassent ce manque, soit ils ne le font pas, et aucune quantité de réserves ne change ça.

Si vous avez un portfolio, un GitHub, ou une étude de cas déjà faite

Beaucoup de processus de recrutement d'analyste data incluent maintenant un test SQL, une étude de cas, ou une courte analyse à faire à la maison avant ou à la place d'un premier entretien. Si vous avez du travail public — un tableau de bord que vous avez construit pour un projet personnel, une analyse Kaggle, un dépôt GitHub avec des requêtes propres et commentées — un seul lien dans la lettre vaut plus qu'un paragraphe décrivant vos compétences, car il permet au responsable de vérifier vos affirmations directement plutôt que de vous croire sur parole. Ne le liez que s'il est vraiment représentatif de votre niveau ; un dépôt désordonné ou à moitié fini lié depuis une lettre de motivation fait plus de mal que pas de lien du tout.

Si l'annonce nomme un outil spécifique pour le reporting — Power BI, Looker, Tableau, Mode — et que vous avez construit quelque chose avec, dites-le avec un détail spécifique : « construit un tableau de bord Tableau utilisé par l'équipe commerciale pour suivre le pipeline hebdomadaire » plutôt que « expérience avec Tableau ». La spécificité est ce qui le rend vérifiable et crédible ; les affirmations vagues sur l'expérience des outils sont la chose la plus facile à écrire dans une lettre de motivation et la moins persuasive à lire.

Que faire ensuite

Lisez l'annonce deux fois avant d'écrire quoi que ce soit. La première fois pour les outils et le niveau de séniorité ; la deuxième fois pour le problème réel caché dans la section des responsabilités — le tableau de bord auquel personne ne fait confiance, le processus de reporting qui prend trois jours et devrait prendre un, le groupe d'interlocuteurs qui demande sans cesse des chiffres différents. Écrivez votre ligne d'ouverture sur ce problème, pas sur la mission de l'entreprise.

Puis écrivez deux courts paragraphes : un exemple concret de transformation d'une question ambiguë en réponse fondée sur les données, en utilisant les outils réels de votre CV, et un exemple concret de présentation de cette réponse à quelqu'un de non-technique et de changement d'une décision qui s'en est suivi. Concluez en deux lignes. Si vous ne pouvez remplir aucun des deux paragraphes avec quelque chose de spécifique et vrai, c'est une information plus utile qu'une lettre polie qui masque le problème — ça vous dit quelle partie de votre expérience construire ensuite, ou pour quels rôles cesser de postuler jusqu'à ce que vous l'ayez.

Si ce qui échoue vraiment c'est le volume — envoyer des candidatures plus vite que vous ne pouvez adapter chacune à la vraie demande de l'annonce — c'est un problème différent de la lettre elle-même, et qui mérite d'être nommé honnêtement plutôt que résolu avec un meilleur modèle. jobmarket.pro est construit pour ce cas : il lit chaque annonce en entier, expose où votre profil correspond et où il ne correspond pas, et rédige la candidature à partir d'un seul profil dans lequel il ne peut inventer d'expérience.