Les meilleurs profils Data sont peu visibles, très sollicités et bien payés. Flavien Coronini, Talent Acquisition Lead et Founding Recruiter @ Hugging Face, explique pourquoi il commence par l'interne, et comment il organise le sourcing collectif avec les ingénieurs.
1. Commencer par la visibilité interne
"En tant que recruteur on a tendance à vouloir développer sa visibilité externe, mais il faut aussi travailler sa visibilité interne avant d'envisager l'externe. Souvent on a tendance à oublier l'existant pour aller chasser les profils Data, ce qui est primordial est d'analyser son propre environnement de travail : forces, faiblesses, image de marque Tech et Data."
2. Trois leviers sur l'existant
1. Cartographier ses meilleurs profils
Identifier les profils les plus performants des équipes R&D, puis étudier leur parcours et leur réseau : école, entreprises précédentes, projets marquants, meetups fréquentés. Cela ouvre l'accès à des profils forts et peu visibles.
2. Activer la cooptation
Dans la plupart des entreprises tech, la cooptation pèse lourd. Chez Criteo comme chez Hugging Face, elle représente environ un recrutement sur deux.
3. Créer le lien avec la R&D
Sans relation continue avec les équipes techniques, les meilleures recommandations ne remontent jamais.
3. Les Badass Networking Sessions
Le déroulé en cinq temps. Identifier ensemble les profils les plus solides. Définir la stratégie d'approche. Rédiger le message d'approche. Faire un suivi régulier des retours aux équipes. Une fois le candidat engagé dans le processus, inclure celui qui l'a recommandé.
4. Quatre réalités du marché Data
1. Peu de visibilité en ligne
Les meilleurs profils ont souvent peu ou pas de présence sur Internet.
2. Très sollicités
Reconnus dans leurs communautés, ils croulent sous les approches de recruteurs.
3. Dispersés géographiquement
Une culture remote first et une communication asynchrone élargissent nettement le champ d'action.
4. Très bien payés
La négociation est féroce, et il faut s'y préparer avant d'engager.
"L'idée est d'être aligné et de ne pas perdre de temps. J'ai vu un nombre incalculable de gens bosser chez Meta, Google qui avaient des packages fous sur lesquels on n'est même pas capable de proposer le tiers. Ça ne sert à rien d'avancer là-dessus car on perd du temps et aussi en crédibilité."
5. Où chercher
1. Plateformes techniques
Hugging Face, GitHub, GitLab, Stack Overflow, Reddit pour la recherche d'informations.
2. Conférences et meetups
PyData, ICML, et Women in Machine Learning pour diversifier les profils rencontrés.
3. La cooptation
Le levier le plus productif, à condition de l'avoir structuré en interne.