Comment évaluer un data engineer en entretien : la méthode complète

Recruter un data engineer est l'un des exercices les plus piégeux du recrutement tech. Les CV se ressemblent — Spark, Airflow, dbt, un cloud, une certification —, le marché est tendu, et l'écart de productivité entre un bon et un excellent data engineer se mesure en multiples, pas en pourcentages. Pourtant, la plupart des entretiens évaluent mal : trop de quiz de syntaxe, pas assez de raisonnement. Voici la méthode que nous utilisons chez Spherys, affinée sur des dizaines d'évaluations de profils data.

1. Ce qu'un entretien de data engineer doit vraiment mesurer

Un data engineer passe l'essentiel de son temps à faire trois choses : concevoir des flux de données fiables, arbitrer des choix d'architecture sous contrainte (coût, délai, existant), et collaborer avec des profils non techniques. Votre entretien doit donc mesurer trois dimensions, dans cet ordre d'importance :

• Le raisonnement : face à un problème de données qu'il n'a jamais vu, comment structure-t-il sa réflexion ? Pose-t-il des questions sur le contexte avant de répondre ?
• Les fondamentaux : modélisation de données, SQL avancé, notions de systèmes distribués, qualité et observabilité des données. Les outils passent, les fondamentaux restent.
• La communication : sait-il expliquer un choix technique à un métier ? Un data engineer qui ne sait pas vulgariser créera de la dette organisationnelle.

2. La grille d'évaluation en 5 critères

Pour comparer objectivement vos candidats, notez chaque entretien sur les mêmes critères. Voici notre grille, sur 4 niveaux (insuffisant / junior / confirmé / senior) :

1. Modélisation et SQL — de la requête à la conception d'un modèle analytique complet (staging, cœur, marts).
2. Architecture de pipelines — idempotence, reprise sur erreur, backfill, gestion des schémas évolutifs.
3. Qualité et fiabilité — tests de données, monitoring, SLA : le candidat en parle-t-il spontanément ?
4. Arbitrages et pragmatisme — sait-il dire « ça dépend » et dérouler les vraies dépendances (volumétrie, budget, équipe) ?
5. Communication — clarté, structure, capacité à reformuler le besoin métier.

3. Les questions qui discriminent vraiment

Questions de raisonnement (les plus prédictives)

• « Le dashboard du DG affiche un chiffre faux depuis 3 jours. Racontez-moi votre enquête, étape par étape. » — révèle la démarche de debugging et la connaissance de la chaîne complète.
• « On vous demande de diviser par deux le coût de la plateforme data sans dégrader les SLA. Par où commencez-vous ? » — révèle la maturité économique, marqueur fort de séniorité.
• « Concevez le pipeline qui alimente un modèle de scoring quotidien à partir de 5 sources hétérogènes. » — révèle la capacité de conception de bout en bout.

Questions de fondamentaux

• Différence entre modélisation en étoile et modélisation large (one big table) — et surtout quand choisir l'une ou l'autre.
• Comment garantir l'idempotence d'un job de chargement ? Que se passe-t-il s'il tourne deux fois ?
• Fenêtrage SQL : sans écrire de code, expliquer comment calculer un cumul glissant par client.

4. Les signaux de séniorité réelle

La séniorité ne se lit ni dans les années d'expérience ni dans les logos du CV. Les vrais marqueurs :

• Le candidat commence par des questions, pas par des réponses (volumétrie ? fréquence ? consommateurs ?).
• Il raconte des échecs précis et ce qu'ils ont changé dans sa pratique.
• Il parle coût et maintenance spontanément, pas seulement performance.
• Il sait dire « je ne sais pas, voilà comment je le découvrirais ».

À l'inverse, méfiez-vous du discours parfaitement lisse : les réponses apprises par cœur se reconnaissent à l'absence de contexte, de chiffres et de contradictions assumées.

5. Structurer le process : qui évalue, quand, combien de temps

Le format classique — tri de CV, call RH, test technique, entretien final — prend 4 à 6 semaines et mobilise vos meilleurs ingénieurs sur des dizaines d'heures d'entretiens, dont la majorité avec des candidats hors cible. Deux leviers pour compresser :

• Standardiser la présélection. Même questions, même grille pour tous les candidats : c'est la condition pour comparer, et le meilleur antidote aux biais.
• Automatiser le premier filtre. Un entretien vidéo mené par une IA spécialisée data permet d'évaluer le raisonnement et la communication de chaque candidat en 5 minutes, avant de mobiliser vos équipes. Vos ingénieurs ne rencontrent plus que la shortlist.

En résumé

Évaluez le raisonnement avant les outils, utilisez une grille unique en 5 critères, privilégiez les questions de situation ouvertes, cherchez les marqueurs de séniorité réelle (questions, échecs, coûts), et standardisez votre présélection pour comparer objectivement. C'est exactement ce que nous avons industrialisé avec Entretiens Data.