Camille, 24 ans : « J'ai décroché mon premier CDI de Data Scientist 4 mois après l'école »
Camille Dubois, 24 ans, diplômée d'un Master Data Science en juillet 2025. Premier CDI signé chez BNP Paribas en novembre 2025. Voici comment elle a transformé un parcours « junior » sans expérience pro en candidature qui passe les filtres.
En un coup d'œil
| Métrique | Avant Traject (6 semaines) | Avec Traject (10 semaines) |
|---|---|---|
| Métier visé | Data Scientist | Data Scientist |
| Expérience pro | 2 stages (10 mois total) | 2 stages (10 mois total) |
| Candidatures envoyées | 42 | 45 |
| Réponses | 3 (7 %) | 14 (31 %) |
| Entretiens | 2 | 7 |
| Offres reçues | 0 | 2 |
| Salaire signé | — | 46 k€ + variable |
Le point de départ : tout faire bien, et ne rien obtenir
Camille sort d'un Master Data Science avec une mention bien, deux stages chez des éditeurs SaaS et un side-project Kaggle classé dans le top 15 %. Sur le papier, le profil ressemble à ce que cherchent les recruteurs. Sur le terrain, c'est autre chose.
Pendant six semaines, elle envoie 42 candidatures via LinkedIn et les sites carrière des grandes entreprises. Trois réponses. Deux entretiens RH. Aucune suite.
« Je faisais ce que tout le monde m'avait dit de faire. Un CV propre sur Canva, une lettre de motivation par offre, une recherche large. Sauf que mon CV ne passait littéralement pas les ATS, et je ne le savais pas. »
Trois blocages sous-jacents
- Le CV ne passait pas les ATS. Des polices personnalisées, des colonnes, un PDF exporté en image. Le scanner automatique ne lisait que la moitié des compétences.
- Le positionnement était trop large. « Data Scientist » sans préciser : data engineering ? ML applied ? recherche ? Camille candidatait à des postes très différents avec le même dossier.
- Le syndrome de l'imposteur sapait les entretiens. Face à des profils LinkedIn ultra-référencés, Camille minimisait ses propres acquis en entretien — au point qu'un recruteur lui a dit « je ne suis pas sûr que vous croyiez vous-même à votre candidature. »
Le déclic : objectiver le marché plutôt que candidater au feeling
Sur recommandation d'une ancienne camarade de promo, Camille passe sur Traject début septembre. La première étape n'est pas de produire un nouveau CV, mais de cartographier ce que demandent vraiment les entreprises qui recrutent des Data Scientists juniors en France.
Le diagnostic remonte trois informations qu'elle ignorait :
- 78 % des offres « Data Scientist junior » exigent du SQL avancé, alors qu'elle ne le mettait pas en avant.
- Les postes « ML applied » (où elle correspond le mieux) représentent 41 % du marché — bien plus que la R&D pure qu'elle ciblait.
- Son score Employabilité de départ : 62/100. Les écarts identifiés : SQL avancé, exposition cloud (AWS ou GCP), et un récit de stage trop académique.
« Pour la première fois j'avais des chiffres. Pas un coach qui me dit “il faut t'améliorer”, mais une lecture concrète de ce que le marché demande, ce que je n'ai pas, et ce qui se rapproche le plus de mon profil réel. »
Ce qui a changé concrètement
1. CV ATS-friendly par offre, généré en 2 minutes
Plutôt qu'un CV unique adapté manuellement, Camille génère une version par annonce. Le générateur reformule les bullets en fonction des mots-clés détectés dans l'offre, sans rien inventer : les expériences restent les siennes, mais l'angle bouge.
Effet immédiat : son taux de réponse passe de 7 % à 31 % sur les six premières semaines avec Traject.
2. Un parcours d'apprentissage de 4 semaines, focalisé
Le plan généré identifie 3 priorités absolues : SQL avancé (window functions, CTE), AWS bases (S3, Lambda, Redshift), et savoir parler de ses projets avec la méthode STAR. Pas 30 cours dispersés sur Udemy. Trois sujets, validés par un score de readiness qui progresse à chaque sous-module terminé.
« Avant, je sautais sur tout ce qui passait sur LinkedIn Learning. Avec Traject, j'ai eu un plan en trois lignes pendant un mois et je l'ai tenu. C'est la première fois que j'ai vu mon score de readiness monter de 62 à 81 en 4 semaines. »
3. Préparation entretien spécifique au poste
Pour chaque offre où elle obtient un retour, Camille tire la banque de questions ciblées sur le métier + la séniorité. Elle prépare ses réponses avec la méthode STAR sur 8 questions clés, et entre en entretien avec un narratif cohérent.
4. Pipeline et relances centralisés
Plus d'Excel. Toutes les candidatures dans une vue Kanban (envoyée, relance, entretien, offre, refus). Les relances partent automatiquement à J+7 si pas de réponse, à J+3 après entretien. Sur 45 candidatures, elle a oublié zéro relance.
Les résultats à 10 semaines
- 2 offres concrètes : un CDI Data Scientist chez BNP Paribas (46 k€ + variable) et un CDI chez une scale-up FinTech (44 k€). Choix BNP pour la stabilité et le programme de mentorat.
- Salaire négocié +3 k€ par rapport à la première proposition, en s'appuyant sur les données marché Traject (médian Data Scientist junior IDF : 44 k€).
- Score Employabilité final : 81/100, vs 62 au début.
- Temps de gestion économisé : ~6h/semaine grâce au pipeline centralisé et aux relances automatiques.
Ce que Camille dit aux jeunes diplômés qui galèrent
« Le marché n'est pas fermé pour les juniors, il est juste mal lisible quand on sort d'école. Le problème, ce n'est pas votre niveau, c'est que personne ne vous a appris à lire ce que les recruteurs cherchent réellement. Quand vous avez les bons chiffres en face de vous — quelles compétences, quels mots-clés, quels métiers recrutent vraiment — tout devient gérable. »
Camille est aujourd'hui en poste depuis trois mois chez BNP Paribas. Elle continue à mettre à jour son profil Traject et à suivre son score Résilience IA, dans une équipe où la moitié des projets touchent au LLM.