Anglais US



7 modèles de CV pour Ingénieur IA - Data Scientist, avec exemples

Par Ria · Dernière mise à jour le 22 octobre 2026
Exemple de CV — page 1

Ce guide pratique vous aide à créer un CV d’Ingénieur IA - Data Scientist clair, ciblé et facile à parcourir. Vous y trouverez des conseils pour organiser vos compétences et vos réalisations, ainsi que des exemples pour comparer les présentations.

Pour ce métier, un CV convaincant relie les étapes du travail sur les données à la conception, à l’évaluation et au déploiement des modèles. Faites ressortir les chaînes RAG, les LLM, les pratiques MLOps et LLMOps, ainsi que les exigences de robustesse, de fiabilité et de conformité au RGPD lorsqu’elles correspondent à votre expérience.

Le document est présenté en 7 mises en page. Comparez ces aperçus image pour voir comment chaque format hiérarchise les compétences, les expériences et la formation, puis ouvrez un exemple dans l’éditeur pour le personnaliser.

Qu’est-ce qui fait un bon CV d’Ingénieur IA - Data Scientist en 2026 ?

Un CV efficace met en évidence la maîtrise des données et le passage des modèles à des services fiables. Des rubriques distinctes et une hiérarchie lisible facilitent le repérage des expériences, des compétences et de la formation.

Décrivez les contributions avec des formulations d’action nominales cohérentes, la méthode employée et les résultats étayés. Selon votre parcours, intégrez les mots-clés pertinents comme Python, RAG, HuggingFace, vLLM, MLflow, Docker et Kubernetes.

Note : Les exemples de CV sont fournis à titre pédagogique uniquement. Utilisez uniquement des informations qui reflètent fidèlement votre expérience et vos qualifications. Les références à des organisations réelles n’impliquent aucune affiliation ni approbation de leur part.

#1 Compact (format sobre à deux colonnes avec photo)

Compact associe une page blanche à deux colonnes, une photo en haut à gauche et de fins séparateurs pour structurer un contenu dense avec sobriété.

 
CV Compact (format sobre à deux colonnes avec photo) : Ingénieur IA - Data Scientist, page 1   CV Compact (format sobre à deux colonnes avec photo) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • Les deux colonnes distinguent les rubriques et facilitent le repérage de l’expérience.
  • Les séparateurs fins rendent les transitions entre formation, compétences et expérience visibles.
  • La sobriété laisse de la place aux descriptions détaillées sans alourdir l’ensemble.

À privilégier pour

  • CV riches en informations
  • Lecture en deux zones
  • Séparateurs discrets entre rubriques
  • Présentation sobre avec portrait
  • Descriptions professionnelles détaillées

Mots-clés du CV

  • Master informatique, parcours science des données et statistiques
  • plus de trois ans d’expérience en science des données et en ingénierie de l’intelligence artificielle
  • Python
  • Apprentissage automatique
  • Apprentissage profond
  • IA générative et agentique
  • Formation pratique HuggingFace sur les modèles de langage
  • Architectures RAG
  • Fine-tuning
  • Prompt engineering
  • frameworks d’orchestration
  • modèles open source et souverains
  • HuggingFace
  • vLLM
  • Analyse exploratoire de données opérationnelles
Voir tous les mots-clés
 

#2 Élégant (format à colonne latérale colorée avec photo)

Élégant place la photo et les informations complémentaires dans une colonne latérale bleue, tandis que le nom et le contenu principal se détachent sur fond blanc.

 
CV Élégant (format à colonne latérale colorée avec photo) : Ingénieur IA - Data Scientist, page 1   CV Élégant (format à colonne latérale colorée avec photo) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • La colonne latérale différencie les informations complémentaires du contenu principal.
  • Le fond blanc du contenu principal laisse les étapes du parcours bien lisibles.
  • Le contraste blanc-bleu rend la séparation entre les deux zones immédiatement perceptible.

À privilégier pour

  • Informations complémentaires regroupées
  • Parcours principal bien distinct
  • Préférence pour une colonne bleue
  • Portrait intégré à la zone latérale
  • Lecture par zones contrastées
 

#3 Moderne (format à deux colonnes avec photo à gauche et séparateur)

Moderne répartit le CV sur une page blanche à deux colonnes, avec une photo arrondie à gauche, un séparateur et des titres soulignés pour guider le repérage.

 
CV Moderne (format à deux colonnes avec photo à gauche et séparateur) : Ingénieur IA - Data Scientist, page 1   CV Moderne (format à deux colonnes avec photo à gauche et séparateur) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • Le séparateur distingue les colonnes et clarifie la relation entre expérience et rubriques d’appui.
  • Les titres soulignés aident à localiser rapidement formation, compétences et certifications.
  • Les éléments décoratifs limités laissent le contenu professionnel au premier plan.

À privilégier pour

  • Titres de rubrique soulignés
  • Parcours et informations répartis en deux zones
  • Photo arrondie à gauche
  • Page blanche peu décorée
  • Séparateur visible entre colonnes
 

#4 Audacieux (format à deux colonnes avec accents colorés et photo)

Audacieux associe deux colonnes sur fond blanc à un liseré supérieur et à des accents colorés sur le nom, les icônes et les titres pour donner du relief aux repères visuels.

 
CV Audacieux (format à deux colonnes avec accents colorés et photo) : Ingénieur IA - Data Scientist, page 1   CV Audacieux (format à deux colonnes avec accents colorés et photo) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • Les titres colorés marquent les rubriques et facilitent le repérage de l’expérience.
  • Les deux colonnes distinguent le parcours des informations complémentaires.
  • Le fond blanc maintient les compétences et la formation faciles à parcourir.

À privilégier pour

  • Titres et nom en couleur
  • Présentation en deux colonnes
  • Fond blanc dominant
  • Photo intégrée au CV
  • Repères visuels affirmés
 
 

#5 Signature (format à colonne latérale colorée avec grande photo)

Signature donne une place visuelle marquée à la grande photo rectangulaire en haut de la colonne latérale colorée, équilibrée par le contenu principal sur fond blanc.

 
CV Signature (format à colonne latérale colorée avec grande photo) : Ingénieur IA - Data Scientist, page 1   CV Signature (format à colonne latérale colorée avec grande photo) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • La colonne colorée regroupe les informations secondaires à côté du contenu principal.
  • Le fond blanc du contenu principal équilibre la grande photo et préserve la lecture du parcours.
  • Les rubriques complémentaires restent séparées du déroulement de l’expérience.

À privilégier pour

  • Photo rectangulaire de grand format
  • Colonne latérale colorée
  • Équilibre entre image et texte
  • Contenu principal sur fond blanc
  • Informations secondaires regroupées
 

#6 Fonceur (format à deux colonnes avec en-tête centré sans photo)

Fonceur se distingue par un en-tête centré qui encadre les coordonnées, sans photo, au-dessus de deux colonnes dont l’une est légèrement teintée.

 
CV Fonceur (format à deux colonnes avec en-tête centré sans photo) : Ingénieur IA - Data Scientist, page 1   CV Fonceur (format à deux colonnes avec en-tête centré sans photo) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • L’en-tête encadré rassemble les coordonnées avant la lecture des rubriques professionnelles.
  • La colonne teintée distingue les informations complémentaires du parcours professionnel.
  • Le repère centré en tête de page précède clairement les étapes du parcours.

À privilégier pour

  • CV sans portrait
  • Coordonnées regroupées dans l’en-tête
  • Nom centré en haut de page
  • Informations complémentaires en colonne teintée
  • Contenu principal séparé visuellement
 

#7 Dynamique (format à deux colonnes avec icônes)

Dynamique combine un en-tête centré, un fond clair et des accents dorés ; ses trois pictogrammes circulaires restent décoratifs, tandis que le CV conserve deux colonnes.

 
CV Dynamique (format à deux colonnes avec icônes) : Ingénieur IA - Data Scientist, page 1   CV Dynamique (format à deux colonnes avec icônes) : Ingénieur IA - Data Scientist, page 2

Pourquoi choisir ce modèle ?

  • L’en-tête centré donne un point de départ visuel avant la lecture du parcours.
  • Les deux colonnes séparent l’expérience des rubriques complémentaires et clarifient leur consultation.
  • Le fond clair préserve la lisibilité des compétences et de la formation.

À privilégier pour

  • CV sans photo
  • En-tête centré
  • Accents dorés discrets
  • Présentation en deux colonnes
  • Préférence pour des icônes décoratives
 
 

Pourquoi créer votre CV d’Ingénieur IA - Data Scientist avec ResumeInMinutes ?

ResumeInMinutes vous aide à organiser vos compétences, vos projets, votre formation et vos expériences dans un CV lisible et personnalisable. Les aperçus image permettent de comparer les mises en page avant d’ouvrir un exemple dans l’éditeur.

  • Des présentations de CV à comparer
  • Des rubriques faciles à parcourir par les ATS
  • Des mots-clés adaptés au poste
  • Une organisation claire des compétences et projets
  • Des aperçus image des exemples
  • La personnalisation du CV dans l’éditeur

Choisissez une mise en page qui permet de détailler votre analyse des données, vos modèles et leur industrialisation sans surcharger la lecture. Appuyez chaque compétence par des méthodes, des outils et des résultats que vous pouvez justifier.

 

Voir aussi

 

Questions fréquentes

Ces modèles de CV d’Ingénieur IA - Data Scientist sont-ils adaptés aux ATS ?

Des rubriques clairement nommées et une structure sobre facilitent l’analyse par les ATS. Utilisez les mots-clés correspondant réellement à votre parcours, par exemple Python, apprentissage automatique, RAG, HuggingFace, vLLM, MLOps et LLMOps.

S’agit-il de plusieurs CV différents ?

Le guide présente un exemple de CV décliné dans plusieurs mises en page. Les aperçus image aident à comparer leur organisation, et vous pouvez ouvrir un exemple dans l’éditeur pour le personnaliser.

Que faut-il inclure dans un CV d’Ingénieur IA - Data Scientist ?

Présentez un profil ciblé, vos expériences, votre formation, vos compétences techniques et vos certifications pertinentes. Décrivez aussi vos contributions à l’analyse, à l’évaluation et au déploiement des modèles, en précisant les méthodes et les résultats vérifiables.

Quels mots-clés techniques privilégier pour ce CV ?

Sélectionnez ceux qui sont demandés pour le poste et que votre parcours confirme : analyse exploratoire, PCA, clustering, Python, Scikit-learn, TensorFlow, PyTorch, LLM, RAG, MLflow ou Kubernetes. Évitez d’ajouter un outil simplement parce qu’il apparaît dans une offre.

Comment présenter les réalisations en science des données et en IA ?

Utilisez des formulations d’action nominales cohérentes, en précisant le contexte, la méthode, les outils et les résultats étayés. Pour un projet de modèle, indiquez par exemple comment l’évaluation, la mise en production ou le suivi ont été menés, sans avancer de chiffres non vérifiables.

Faut-il ajouter une photo au CV ?

La photo n’est généralement pas indispensable pour un poste d’Ingénieur IA - Data Scientist. Si vous choisissez d’en ajouter une, privilégiez une présentation professionnelle et vérifiez qu’elle ne prend pas la place d’informations utiles.

Peut-on personnaliser ces modèles de CV ?

Oui. Vous pouvez ouvrir un exemple dans l’éditeur et adapter son contenu et sa présentation au poste visé, en conservant uniquement les compétences et les informations qui correspondent à votre parcours.

Score ATS 95%

Comment ce score est calculé

  • Score ATS = arrondi(0,60 × K + 0,20 × T + 0,20 × Q). K : couverture des mots-clés ; T : composante CV textuel (100 pour le CV évalué ici) ; Q : max(0, 100 − déductions des vérifications du CV).
  • Couverture des mots-clés = arrondi(100 × correspondances confirmées ÷ nombre total de mots-clés). Les correspondances exactes et les équivalences étayées validées par l’IA reçoivent tous les points ; les mots-clés non étayés n’en reçoivent aucun. Les vérifications du texte utilisent les équivalences enregistrées sans nouvelle analyse par l’IA. Sans mots-clés, aucun score ATS global n’est disponible.

Ce que signifie ce score

Nos scores sont des estimations, pas des notes d’employeurs. Ils peuvent contenir des erreurs et ne garantissent ni analyse correcte, ni classement, ni entretien, ni emploi. Vérifiez votre document selon les exigences de l’employeur. Vous êtes responsable de l’utilisation de ce score.

Conditions générales

Pondération : mots-clés 60 % · CV textuel 20 % · Qualité du CV 20 %

Couverture des mots-clés : 45 sur 49 (92 %) · Qualité du CV : 100 %

Qualité du CV 100% · Poids 20% · Problèmes (0)

Détails
  • ✓Nom présent: Nicolas Lefèvre
  • ✓Format de l’adresse e-mail: nicolas.lefevre@example.com
  • ✓Format du numéro de téléphone: 06 39 98 XX XX
  • ✓Expérience 1: Intitulé du poste: Ingénieur IA et Data Scientist
  • ✓Expérience 1: Nom de l’entreprise: Kernelys Conseil
  • ✓Expérience 1: Lieu de travail: Rennes
  • ✓Expérience 1: Dates d’emploi: janvier 2025 - présent
  • ✓Expérience 1: Description ou réalisations: Présent
  • ✓Expérience 2: Intitulé du poste: Data Scientist
  • ✓Expérience 2: Nom de l’entreprise: DataForge Ouest
  • ✓Expérience 2: Lieu de travail: Nantes
  • ✓Expérience 2: Dates d’emploi: avril 2023 - décembre 2024
  • ✓Expérience 2: Description ou réalisations: Présent
  • ✓Aucun champ provisoire
  • ✓Aucune réalisation répétée
  • ✓Aucune puce vide

Aucun problème détecté lors des vérifications actuelles.

CV textuel 100% · Poids 20%

Texte extrait
Nicolas Lefèvre
Ingénieur IA et Data Scientist
06 39 98 XX XX
nicolaslefevre
Nantes
nicolas.lefevre@example.com
POINTS FORTS
Rigueur dans l’évaluation
Formalisation de jeux d’évaluation pour comparer les réponses des modèles et examiner leur robustesse avant intégration dans les produits.
Partage technique
Reconnaissance interne de la documentation et des composants Python partagés, qui facilitent la reprise des développements par l’équipe.
Approche orientée données
Analyse des valeurs manquantes et des biais de collecte avant la modélisation, pour fonder les choix sur des données mieux comprises.
Industrialisation pragmatique
Structuration de modules testables et suivi d’expériences avec MLflow, pour rendre les modèles plus faciles à intégrer et à documenter.
Coopération en revue de code
Accompagnement d’un petit groupe projet sur les tests et la structure du code, en reliant les retours de revue aux besoins concrets de l’équipe.
PROFIL
Ingénieur IA et Data Scientist, avec plus de trois ans d’expérience en science des données et en ingénierie de l’intelligence artificielle, ainsi qu’un master en informatique, science des données et statistiques. Parcours en ESN et en équipe produit sur des projets liés aux services publics, à la banque, au transport et à l’industrie. Conception de modèles et de solutions génératives, de l’analyse exploratoire à la mise en production, avec une attention portée à la qualité des données, à la robustesse et à la fiabilité. Développement de composants Python réutilisables et industrialisation de modèles par des pratiques MLOps et LLMOps. Contribution aux revues de code, à la documentation technique et au partage de pratiques au sein des équipes.
EXPÉRIENCE
Ingénieur IA et Data Scientist
Kernelys Conseil
janvier 2025 - présent
Rennes
Conception et mise en production de solutions d’IA générative et agentique pour des cas d’usage en transport et services publics, de l’analyse des besoins jusqu’à l’intégration dans les produits clients.
Construction de chaînes RAG associant recherche documentaire, génération et frameworks d’orchestration, avec des modèles open source et souverains sélectionnés selon les contraintes de données.
Évaluation de modèles et réglage de moteurs d’inférence avec HuggingFace et vLLM, afin de comparer la qualité des réponses, la latence et l’adéquation aux cas d’usage.
Réalisation de fine-tuning et de prompt engineering sur des corpus métier contrôlés, avec des jeux d’évaluation documentés pour vérifier la robustesse et la fiabilité des résultats.
Industrialisation des workflows MLOps et LLMOps par des pipelines CI/CD adaptés à l’IA, MLflow, Docker et Kubernetes, intégrant déploiement, monitoring et observabilité des services.
Développement de composants Python réutilisables, de gabarits de projet et de tests automatisés, avec packaging et structuration du code pour faciliter la reprise par les équipes.
Conception d’API et de microservices déployés en environnements cloud et on-premise, avec contrôles de sécurité des pipelines et prise en compte du RGPD; réalisation d’interfaces Angular et contribution ponctuelle à des composants back-end Java.
Animation de revues de code, rédaction de documentation technique et partage des pratiques issues de la veille sur les outils d’IA.
Data Scientist
DataForge Ouest
avril 2023 - décembre 2024
Nantes
Analyse exploratoire de données opérationnelles pour des clients bancaires et industriels avec Pandas, afin d’identifier les valeurs manquantes, les biais de collecte et les variables utiles à la modélisation.
Application de PCA et de techniques de clustering à des jeux de données structurés, puis comparaison de modèles statistiques et d’apprentissage automatique avec Scikit-learn pour éclairer des décisions métier.
Développement et évaluation de modèles d’apprentissage profond avec TensorFlow et PyTorch sur des données de prévision et de classification, avec validation adaptée aux contraintes des projets.
Structuration de code Python en modules testables et packagés, puis exposition de modèles sélectionnés par API afin de faciliter leur intégration dans des applications existantes.
Mise en place de premières pratiques d’industrialisation avec Docker et MLflow, comprenant le suivi des expériences, la documentation des modèles et des contrôles de qualité des données.
COMPÉTENCES
Analyse exploratoire
Apprentissage profond
Clustering
Apprentissage automatique
Orchestration de modèles
Évaluation des modèles
Industrialisation MLOps
Fine-tuning de modèles
Modèles agentiques
Prompt engineering
Architectures RAG
Conformité RGPD
Modélisation statistique
Réduction PCA
IA générative
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Reconnaissance interne, 2025, pour la qualité de la documentation et le partage de composants Python réutilisables.
Référent des revues de code au sein d’un groupe projet, 2026, avec accompagnement des pratiques de tests et de structuration logicielle.
FORMATION
Master informatique, parcours science des données et statistiques
Université de Lorraine
2022
Nancy
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
CERTIFICATIONS
Formation pratique HuggingFace sur les modèles de langage et le fine-tuning
2025
Formation MLflow et industrialisation des modèles
2024
Formation Docker et Kubernetes pour le déploiement applicatif
2024
COMPÉTENCES TECHNIQUES
Langages: Python, Java, SQL
Analyse de données: Pandas, NumPy, SciPy
Apprentissage automatique: Scikit-learn, XGBoost, LightGBM
Apprentissage profond: TensorFlow, PyTorch, Keras
Modèles de langage: HuggingFace, vLLM, Transformers
Suivi des modèles: MLflow, TensorBoard, DVC
Conteneurisation: Docker, Kubernetes, Podman
Interfaces et API: Angular, FastAPI, Flask
Informatique en nuage: AWS, Microsoft Azure, Google Cloud
Bases de données: PostgreSQL, MySQL, MongoDB
Intégration continue: Jenkins, GitLab CI, GitHub Actions
Outils de développement: Git, Poetry, pytest
AFFILIATIONS PROFESSIONNELLES
Adhérent de l’Association Française pour l’Intelligence Artificielle, participation aux échanges professionnels sur les méthodes et applications de l’IA.
Membre de la Société Française de Statistique, intérêt professionnel pour les méthodes statistiques et leurs applications à la science des données.

Mots-clés correspondants (45)

  • Master informatique, parcours science des données et statistiquesMot-clé original dans l’offre: Bac+5 en informatique OR bac+5 en mathématiques OR bac+5 en statistiques OR bac+5 en science des données
  • plus de trois ans d’expérience en science des données et en ingénierie de l’intelligence artificielleMot-clé original dans l’offre: 3 ans ou plus d’expérience professionnelle en science des données et en ingénierie de l’IA
  • Python
  • Apprentissage automatique
  • Apprentissage profond
  • IA générative et agentique
  • Formation pratique HuggingFace sur les modèles de langageMot-clé original dans l’offre: Grands modèles de langage (LLM)
  • Architectures RAG
  • Fine-tuning
  • Prompt engineering
  • frameworks d’orchestrationMot-clé original dans l’offre: Frameworks d’orchestration de modèles
  • modèles open source et souverains
  • HuggingFace
  • vLLM
  • Analyse exploratoire de données opérationnellesMot-clé original dans l’offre: Analyse exploratoire des données
  • Réduction PCAMot-clé original dans l’offre: Réduction de dimensionnalité par PCA
  • Clustering
  • Modélisation statistique
  • Pandas
  • Scikit-learn
  • TensorFlow
  • PyTorch
  • moteurs d’inférence
  • Évaluation des modèles
  • MLOps
  • LLMOps
  • MLflow
  • Docker
  • Kubernetes
  • pipelines CI/CD adaptés à l’IA
  • packagingMot-clé original dans l’offre: Packaging logiciel
  • tests automatisés
  • structuration du codeMot-clé original dans l’offre: Structuration de projets
  • Développement de composants Python réutilisables
  • Conception d’API
  • Conception d’API et de microservicesMot-clé original dans l’offre: Architectures microservices
  • environnements cloud et on-premise
  • prise en compte du RGPDMot-clé original dans l’offre: Conformité au RGPD
  • robustesse et à la fiabilitéMot-clé original dans l’offre: Robustesse et fiabilité des modèles
  • revues de code
  • documentation technique
  • veille sur les outils d’IAMot-clé original dans l’offre: Veille technologique
  • partage des pratiques issues de la veille sur les outils d’IAMot-clé original dans l’offre: Partage des bonnes pratiques
  • Angular
  • Java

Mots-clés manquants (4)

  • Monitoring des modèles
  • Observabilité des modèles
  • Qualité du code
  • Sécurité des pipelines MLOps et LLMOps
Avertissement : Tous les noms, images, coordonnées, parcours professionnels, réalisations, habilitations de sécurité, titres militaires et autres qualifications présentés dans ce contenu sont fictifs et utilisés uniquement à des fins d’illustration. Toute ressemblance avec des personnes réelles, vivantes ou décédées, est purement fortuite.

Les exemples de CV et de lettres de motivation et les recommandations de cet article reflètent des bonnes pratiques générales et une expérience professionnelle et sont fournis à titre indicatif uniquement. Les résultats peuvent varier selon le poste, le secteur, la région et l’organisation recruteuse.

Exactitude et vérification du contenu : Dans toute la mesure permise par la loi applicable, nous ne déclarons ni ne garantissons que les conseils, exemples, recommandations ou informations connexes concernant les CV ou lettres de motivation sont exacts, complets, à jour, exempts d’erreurs ou adaptés à un usage particulier. Il vous appartient d’examiner et de vérifier ces informations de manière indépendante avant de vous y fier.

Scores ATS et de lettre de motivation : Les scores ATS sont des estimations calculées selon notre propre formule, fondée sur des conseils accessibles au public concernant la mise en forme des CV et la correspondance des mots-clés. Ils ne sont ni attribués ni approuvés par un fournisseur ATS ou un employeur. Les scores des lettres de motivation sont également nos propres évaluations. L’analyse, la pondération, les critères de sélection et les résultats varient selon les systèmes, les employeurs, les offres et les formats de documents. Aucun score ne garantit une analyse correcte, un classement, un entretien ou un emploi. Utilisez ces scores à titre indicatif et vérifiez vous-même vos documents au regard des exigences de l’employeur. Dans toute la mesure permise par la loi applicable, nous déclinons toute responsabilité pour les erreurs de score ou d’analyse, ou les pertes résultant de la confiance accordée à ces évaluations. Le présent avis n’exclut aucune responsabilité et ne limite aucun droit des consommateurs qui ne peut légalement être exclu ou limité.

Conditions générales
 
> JP 1 1
Configuration des pieds de page et des marges PDF
Les marges sont appliquées au document et le pied de page apparaît à la fois dans l’aperçu et le PDF

Paramètres de la police du pied de page

Postulez-vous à un poste spécifique
afin que nous puissions adapter votre CV en conséquence ?
Postulez-vous à un poste spécifique
afin que nous puissions adapter votre lettre de motivation en conséquence ?

Vos données restent privées et ne sont jamais utilisées à des fins d’entraînement.Politique de confidentialité

Saisissez vos informations sous forme de texte pour générer un CV personnalisé Saisissez vos informations en texte pour générer une lettre de motivation personnalisée
Lien du site trouvé ! Prêt à créer le CV à partir de :

Vos données restent privées et ne sont jamais utilisées à des fins d’entraînement.Politique de confidentialité

Faites glisser le dans la boîte pour vérifier que vous n'êtes pas un robot.
Déposez ici

Mes CV

Affichage de {number_of_files} fichiers (sur un total de {total_of_all_files})
Nom du fichier Type de fichier Dernière modification : Description :

Renommer le fichier

Nom de fichier déjà existant !

Supprimer les fichiers

Avertissement : Cette action est irréversible. Une fois validé, les fichiers seront définitivement supprimés.

Heading text
Téléverser depuis l’ordinateur Téléverser
Sélectionner parmi les existants
LinkedIn
Glissez-déposez des fichiers n’importe où dans cet onglet, ou

Fichiers téléversés

Supprimer Nom du fichier Dernière mise à jour Utiliser ce fichier
Sélectionnez ceci pour utiliser le fichier pour générer votre CV et lettre de motivation. Une seule source — fichier téléversé, fichier sélectionné ou texte LinkedIn — peut être utilisée.

Fichiers

Les CV ou lettres de motivation que vous créez apparaîtront ici. Aucun fichier disponible pour le moment.
Supprimer Nom du fichier Dernière mise à jour Utiliser ce fichier
Sélectionnez ceci pour utiliser le fichier pour générer votre CV et lettre de motivation. Une seule source — fichier téléversé, fichier sélectionné ou texte LinkedIn — peut être utilisée.

Ajouter le PDF de votre profil LinkedIn

Vous pouvez télécharger votre profil LinkedIn au format PDF en ouvrant linkedin.com dans un navigateur, en cliquant sur votre photo de profil, en sélectionnant « Plus » ou « Ressources » puis « Enregistrer au format PDF ». Vous pourrez ensuite joindre le PDF via l’onglet Télécharger depuis l’ordinateur.

Collez le texte de votre profil LinkedIn

Si vous avez copié le texte de votre profil LinkedIn, collez-le ci-dessous. Voir comment copier votre profil sur LinkedIn

Sélectionnez cette option pour utiliser le texte de profil LinkedIn pour générer votre CV et votre lettre de motivation. Une seule source peut être utilisée—fichier téléchargé, sélectionné ou texte LinkedIn.

Essayez ces commandes

<
>