Entretien d’embauche data engineer
L’entretien de data engineer comprend presque toujours un test SQL, souvent une discussion de modélisation de données et une question de conception de pipeline.
Certaines entreprises demandent un exercice à la maison, comme construire un petit pipeline avec tests et documentation. Le recruteur évalue votre rigueur, votre réflexe qualité et votre capacité à concevoir des traitements robustes face aux imprévus des sources.
Les questions à préparer
01Comment concevriez-vous un pipeline qui charge chaque nuit les ventes de cinq cents magasins ?
Ce que le recruteur cherche
Question de conception qui révèle votre approche de la robustesse et de la reprise sur erreur.
Exemple de réponse
Je chargerais les fichiers ou extractions de chaque magasin dans une couche brute, sans transformation, avec la date de chargement. Je rendrais les traitements idempotents, pour pouvoir relancer une journée sans créer de doublons. Je contrôlerais la complétude : nombre de magasins reçus, volumes comparés aux jours similaires. Les transformations construiraient ensuite une table de ventes propre. En cas de magasin manquant, j’alerterais l’équipe et marquerais les données comme partielles plutôt que de bloquer tout le chargement.
02Comment gérez-vous un changement de format d’une source qui casse votre pipeline ?
Ce que le recruteur cherche
Les sources changent sans prévenir, le recruteur veut voir votre réaction et vos protections.
Exemple de réponse
À court terme, je diagnostique l’écart, j’adapte le traitement et je relance les chargements manqués, en prévenant les utilisateurs du retard. Ensuite, je cherche à éviter que cela se reproduise : contrôle du schéma à l’arrivée avec une alerte explicite, et échange avec l’équipe propriétaire de la source pour être prévenu des évolutions. Dans mon poste actuel, nous avons formalisé des contrats de données avec les équipes applicatives pour les sources les plus critiques.
03Expliquez la différence entre ETL et ELT, et quand vous choisissez l’un ou l’autre.
Ce que le recruteur cherche
Question de fondamentaux sur l’architecture des traitements.
Exemple de réponse
En ETL, on transforme les données avant de les charger dans la cible. En ELT, on charge d’abord les données brutes dans l’entrepôt, puis on les transforme sur place, souvent en SQL. Avec les entrepôts cloud actuels, puissants et facturés à l’usage, je privilégie l’ELT : on garde l’historique brut, et on peut rejouer les transformations. L’ETL reste pertinent quand il faut filtrer ou pseudonymiser des données sensibles avant qu’elles n’entrent dans l’entrepôt, ou pour des volumes très importants traités avec Spark.
04Comment historiseriez-vous l’adresse des clients pour garder les anciennes valeurs ?
Ce que le recruteur cherche
Question de modélisation classique sur les dimensions à évolution lente.
Exemple de réponse
J’utiliserais une dimension à évolution lente de type 2 : chaque changement d’adresse crée une nouvelle ligne, avec une date de début, une date de fin et un indicateur de version courante. Les ventes sont reliées à la version valable au moment de l’achat, ce qui permet d’analyser les ventes par région de résidence à l’époque. Avec dbt, les snapshots gèrent ce mécanisme. Je vérifierais aussi avec le DPO combien de temps ces anciennes adresses peuvent être conservées.
05Quels contrôles de qualité mettez-vous en place sur vos données ?
Ce que le recruteur cherche
La qualité est la responsabilité principale du data engineer aux yeux des utilisateurs.
Exemple de réponse
Je teste systématiquement l’unicité et la non-nullité des clés, les relations entre tables, et les valeurs autorisées pour les champs codés. J’ajoute des contrôles de fraîcheur et de volumétrie, qui détectent les chargements incomplets. Pour les indicateurs clés, je compare avec la source d’origine, par exemple le chiffre d’affaires de la veille avec la comptabilité. Les tests bloquants arrêtent la publication des données, les autres envoient une alerte. Et je documente ce que chaque test protège.
06Une requête prend trop de temps et coûte cher. Comment l’optimisez-vous ?
Ce que le recruteur cherche
La maîtrise des performances et des coûts est attendue sur les plateformes cloud.
Exemple de réponse
Je regarde d’abord le plan d’exécution et la quantité de données lues. Souvent, la requête parcourt toute une table alors qu’elle n’a besoin que des derniers jours : je partitionne ou je regroupe la table par date, et j’ajoute le filtre adapté. Je vérifie les jointures qui multiplient les lignes, et je ne sélectionne que les colonnes utiles. Pour une transformation lourde recalculée chaque jour, je passe à un traitement incrémental. Je mesure le gain avant de généraliser.
07Comment travaillez-vous avec les analystes et les data scientists ?
Ce que le recruteur cherche
Le data engineer est au service de ces équipes, le recruteur veut voir votre posture.
Exemple de réponse
Je les associe dès la conception d’un nouveau modèle de données : quelles questions veulent-ils poser, à quelle fréquence, avec quelle définition des indicateurs. Je documente les tables et je tiens un canal d’échange pour les questions. Quand un analyste écrit une requête utile à plusieurs équipes, je propose de l’intégrer dans le modèle partagé avec des tests. L’objectif est qu’ils trouvent la bonne donnée sans avoir besoin de me solliciter à chaque fois.
08Pourquoi souhaitez-vous nous rejoindre ?
Ce que le recruteur cherche
Le recruteur vérifie l’adéquation entre votre projet et ses chantiers.
Exemple de réponse
Vous lancez la refonte de votre modèle de données autour de dbt, ce que je viens de mener dans un contexte de distribution, et je connais les difficultés de ce type de projet, en particulier l’accord sur les définitions métier. Votre activité combine magasins et vente en ligne, comme mon employeur actuel, mais avec des flux logistiques plus complexes qui m’intéressent. L’équipe annonce aussi un travail sur le temps réel, que je souhaite approfondir.
Les questions à poser au recruteur
- Quelles sont les sources de données les plus critiques, et comment sont gérés leurs changements ?
- Comment l’équipe mesure-t-elle la qualité et la fiabilité des données aujourd’hui ?
- Quelle est la répartition des rôles entre data engineers, analytics engineers et analystes ?
- Quels chantiers de plateforme sont prévus dans l’année ?
Votre recherche, en automatique
Lancer mon scan d’offres data engineer
JobFast cherche les offres qui vous correspondent sur les grands sites d’emploi, note chacune sur 10 et prépare un CV et une lettre adaptés. Vous relisez, vous validez.
Sans carte bancaire · Sans compte pour commencer
Questions fréquentes
Comment se préparer au test SQL d’un entretien de data engineer ?
Entraînez-vous sur les jointures, les agrégations, les fonctions de fenêtrage (classement, cumul, valeur précédente), la déduplication et le traitement des dates. Expliquez votre raisonnement et vérifiez les cas limites, comme les valeurs nulles ou les doublons. Les recruteurs attendent une requête correcte et lisible plus qu’une solution astucieuse.
Faut-il connaître Spark pour réussir un entretien de data engineer ?
Cela dépend de l’entreprise. Pour une plateforme centrée sur un entrepôt cloud avec dbt, SQL et la modélisation comptent davantage. Pour un lakehouse ou de très gros volumes, les questions sur Spark sont fréquentes : partitionnement, opérations coûteuses, gestion de la mémoire. Lisez l’offre et renseignez-vous sur la stack avant l’entretien.