Anglais US



7 modèles de CV pour Ingénieur IA - Machine Learning, avec exemples

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

Ce guide pratique vous aide à construire un CV d’ingénieur IA - Machine Learning clair, ciblé et facile à parcourir. Vous y trouverez des conseils pour organiser vos preuves professionnelles et comparer des présentations adaptées à ce métier.

Pour rendre votre candidature concrète, reliez la conception et le déploiement des modèles à des résultats vérifiables. Faites ressortir, selon votre parcours, le traitement du texte et du signal, les architectures LLM et RAG, les pipelines MLOps, ainsi que les outils et environnements réellement maîtrisés, comme Python, PyTorch, MLflow, Docker ou Kubernetes.

Les exemples sont présentés en 7 mises en page. Comparez leur hiérarchie visuelle et voyez comment répartir les compétences, l’expérience, la formation et les certifications pour faciliter la lecture humaine et l’analyse ATS.

Qu’est-ce qui fait un bon CV d’ingénieur IA - Machine Learning en 2026 ?

Un bon CV relie les compétences en intelligence artificielle à des réalisations concrètes en conception, évaluation et déploiement de modèles. Des rubriques nettes et des formulations concises permettent aux recruteurs de repérer rapidement votre contribution.

Présentez les expériences avec des formulations nominales cohérentes, les méthodes employées et les résultats étayés. Reprenez les mots-clés pertinents pour le poste, comme RAG, MLOps, recherche sémantique ou suivi de la dérive, uniquement lorsqu’ils correspondent à votre parcours.

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 deux colonnes, une photo en haut à gauche et de fins séparateurs pour offrir une présentation sobre qui laisse de la place au texte.

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

Pourquoi choisir ce modèle ?

  • Les expériences restent repérables à côté des compétences et des formations.
  • Le volume disponible convient aux parcours détaillés et aux compétences complémentaires.
  • Les rubriques font ressortir le parcours, les certifications et la formation.

À privilégier pour

  • CV riches en contenu
  • Lecture rapide des rubriques
  • Parcours détaillés
  • Préférence pour un portrait en haut à gauche
  • Mise en page sobre

Mots-clés du CV

  • Diplôme d’ingénieur en informatique
  • déploiement de modèles en production
  • quatre ans d’expérience en conception et déploiement de modèles en production
  • évaluation de modèles
  • Machine Learning
  • Deep Learning
  • architectures LLM
  • Architectures RAG
  • architectures LLM et RAG
  • Génie logiciel
  • pipelines MLOps
  • suivi des expérimentations
  • intégration continue
  • architectures microservices
  • conteneurisation sous Docker, orchestration par Kubernetes et intégration continue de microservices
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, contrastant avec le nom et le contenu principal sur fond blanc.

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

Pourquoi choisir ce modèle ?

  • La colonne latérale distingue les informations complémentaires du parcours professionnel.
  • Le contraste entre les zones facilite le repérage des différentes rubriques.
  • Le contenu principal sur fond blanc laisse une lecture nette des expériences.

À privilégier pour

  • Repères visuels par couleur
  • Informations complémentaires regroupées
  • Parcours professionnel détaillé
  • Préférence pour un portrait intégré
  • Contraste entre les rubriques
 

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

Moderne associe une photo arrondie à gauche, un séparateur central et des titres soulignés pour structurer clairement les deux colonnes sans décor superflu.

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

Pourquoi choisir ce modèle ?

  • Les deux colonnes mettent en regard le parcours professionnel et les informations complémentaires.
  • Les titres soulignés aident à localiser les compétences, la formation et les certifications.
  • Les repères sobres conviennent aux contenus denses sans surcharger la page.

À privilégier pour

  • Rubriques faciles à repérer
  • Parcours et informations complémentaires côte à côte
  • Contenu dense
  • Préférence pour une photo arrondie
  • Présentation peu chargée
 

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

Audacieux reprend une couleur d’accent dans le liseré supérieur, le nom, les icônes et les titres, tandis que le fond blanc garde les deux colonnes lisibles.

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

Pourquoi choisir ce modèle ?

  • Les deux colonnes distinguent le parcours des informations complémentaires sans interrompre la lecture.
  • Les titres colorés rendent les rubriques repérables lors d’un premier balayage.
  • Le fond blanc garde les expériences et la formation faciles à parcourir.

À privilégier pour

  • Repérage rapide des rubriques
  • Parcours et compléments distingués
  • Préférence pour des accents colorés
  • Photo intégrée au CV
  • Contenu réparti sur deux colonnes
 
 

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

Signature met en avant une grande photo rectangulaire en haut de la colonne latérale colorée, équilibrée par un contenu principal sur fond blanc.

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

Pourquoi choisir ce modèle ?

  • La colonne latérale sépare les informations complémentaires du contenu principal du CV.
  • Le fond blanc du corps donne de l’espace aux expériences et à leur progression.
  • La grande photo constitue un repère visuel distinct dans la colonne colorée.

À privilégier pour

  • Préférence pour un portrait grand format
  • Colonne complémentaire distincte
  • Parcours professionnel détaillé
  • Contraste entre colonne et contenu principal
  • Présentation visuelle affirmée
 

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

Fonceur se distingue par un en-tête centré qui encadre les coordonnées, une colonne latérale légèrement teintée et l’absence de photo.

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

Pourquoi choisir ce modèle ?

  • L’en-tête centré rassemble les coordonnées avant la lecture du parcours professionnel.
  • La colonne teintée distingue les informations complémentaires du contenu principal.
  • Les deux colonnes permettent de parcourir le parcours et les rubriques associées côte à côte.

À privilégier pour

  • CV sans photo
  • Coordonnées regroupées en en-tête
  • Informations complémentaires séparées
  • Parcours professionnel en deux zones
  • Préférence pour un en-tête centré
 

#7 Dynamique (format à deux colonnes avec icônes)

Dynamique associe un en-tête centré, un fond clair et des accents dorés pour rythmer les deux colonnes ; ses pictogrammes circulaires restent décoratifs.

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

Pourquoi choisir ce modèle ?

  • Les deux colonnes placent les rubriques complémentaires à côté du parcours professionnel.
  • Les accents dorés soulignent les repères visuels sans détourner l’attention des expériences.
  • L’en-tête centré laisse le corps du CV structurer compétences, formation et certifications.

À privilégier pour

  • Lecture en deux colonnes
  • En-tête centré
  • Préférence pour des accents dorés
  • Rubriques principales et complémentaires distinctes
  • Mise en page sans photo
 
 

Pourquoi créer votre CV d’ingénieur IA - Machine Learning avec ResumeInMinutes ?

ResumeInMinutes vous aide à structurer vos compétences, votre formation, vos certifications et vos expériences dans un CV lisible. Présentez clairement les étapes qui mènent d’une expérimentation à un modèle suivi en production.

  • Des mises en page de CV
  • Des rubriques faciles à parcourir par les ATS
  • Des mots-clés adaptés au poste
  • Une organisation claire des compétences et des outils
  • Des aperçus de CV en image
  • Des options de personnalisation du CV

Choisissez une présentation qui donne une place suffisante aux architectures LLM et RAG, aux pipelines MLOps et au déploiement cloud. Appuyez chaque compétence par des méthodes et des résultats documentés, sans ajouter de chiffres que vous ne pouvez pas justifier.

 

Voir aussi

 

Questions fréquentes

Ces modèles de CV d’ingénieur IA - Machine Learning sont-ils adaptés aux ATS ?

Les rubriques clairement nommées et une mise en page lisible facilitent l’analyse. Intégrez naturellement les termes qui correspondent à votre expérience, par exemple Machine Learning, RAG, Python, MLOps, Docker ou Kubernetes, et vérifiez que le texte reste compréhensible.

Les exemples présentent-ils plusieurs parcours différents ?

Non. Il s’agit d’un exemple de CV présenté dans plusieurs mises en page. Comparez les aperçus en image, puis ouvrez une présentation dans l’éditeur pour la consulter ou la personnaliser.

Que faut-il inclure dans un CV d’ingénieur IA - Machine Learning ?

Prévoyez un résumé professionnel ciblé, vos expériences, votre formation, vos compétences techniques et vos certifications. Décrivez les modèles conçus ou déployés, les données et méthodes utilisées, le suivi en production et les résultats vérifiables.

Comment choisir la mise en page de son CV d’ingénieur IA - Machine Learning ?

Privilégiez une présentation où l’expérience, les compétences et les outils se repèrent rapidement. Vérifiez que les projets de traitement du texte ou du signal, les architectures LLM et RAG et les pratiques MLOps restent faciles à lire sans surcharger la page.

Comment présenter ses résultats en Machine Learning sans inventer de chiffres ?

Décrivez le contexte, la méthode d’évaluation et l’effet observé que vous pouvez étayer. Si vous ne disposez pas de mesure chiffrée, précisez plutôt les critères comparés, les contraintes prises en compte et la façon dont les résultats ont été documentés.

Faut-il ajouter une photo au CV d’ingénieur IA ?

La photo n’est généralement pas nécessaire pour présenter vos compétences et vos réalisations. Ajoutez-en une seulement si vous le souhaitez ou si elle est demandée ; privilégiez dans tous les cas une mise en page sobre et lisible.

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 d’ingénieur IA - Machine Learning visé. Gardez les compétences, les outils et les résultats qui correspondent réellement à votre parcours.

Score ATS 92%

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 52 (87 %) · Qualité du CV : 100 %

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

Détails
  • ✓Nom présent: Philippe Boyer
  • ✓Format de l’adresse e-mail: philippe.boyer@example.com
  • ✓Format du numéro de téléphone: 06 39 98 XX XX
  • ✓Expérience 1: Intitulé du poste: Ingénieur IA et Machine Learning
  • ✓Expérience 1: Nom de l’entreprise: Trait d’Union Numérique
  • ✓Expérience 1: Lieu de travail: Nantes
  • ✓Expérience 1: Dates d’emploi: octobre 2025 - présent
  • ✓Expérience 1: Description ou réalisations: Présent
  • ✓Expérience 2: Intitulé du poste: Ingénieur Machine Learning
  • ✓Expérience 2: Nom de l’entreprise: Alvéole Data
  • ✓Expérience 2: Lieu de travail: Rennes
  • ✓Expérience 2: Dates d’emploi: janvier 2024 - septembre 2025
  • ✓Expérience 2: Description ou réalisations: Présent
  • ✓Expérience 3: Intitulé du poste: Ingénieur junior en Machine Learning
  • ✓Expérience 3: Nom de l’entreprise: Clairon Logiciels
  • ✓Expérience 3: Lieu de travail: Angers
  • ✓Expérience 3: Dates d’emploi: octobre 2022 - décembre 2023
  • ✓Expérience 3: 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
Philippe Boyer
Ingénieur IA et Machine Learning
06 39 98 XX XX
philippeboyer
Nantes
philippe.boyer@example.com
POINTS FORTS
Vulgarisation technique
Explication des choix liés au RAG et aux modèles aux publics techniques et métiers, avec des ateliers adaptés à leurs besoins.
Conseil auprès des clients
Accompagnement des équipes clientes dans l’évaluation des options techniques et l’adoption d’outils de développement assisté par IA.
Rigueur expérimentale
Comparaison de modèles sur des données métier annotées, avec suivi des essais pour étayer les recommandations présentées aux équipes produit.
Pratiques responsables
Prise en compte de la performance et des enjeux éthiques dans le suivi des modèles, avec des consignes documentées pour l’exploitation.
Partage technique
Animation d’échanges sur les architectures LLM et les pratiques de développement assisté, avec des démonstrations réutilisables par l’équipe.
PROFIL
Ingénieur en intelligence artificielle spécialisé en Machine Learning, avec quatre ans d’expérience en conception et déploiement de modèles en production. Parcours centré sur le traitement du texte et du signal, les architectures LLM et RAG et l’industrialisation de pipelines MLOps dans des environnements cloud et microservices. Réalisation de solutions évaluées sur des données métier, avec attention portée à la qualité des résultats, à leur traçabilité et à l’éthique. Accompagnement d’équipes clientes, vulgarisation des choix techniques et partage de pratiques de Craft IA pour faciliter l’intégration des modèles en production.
EXPÉRIENCE
Ingénieur IA et Machine Learning
Trait d’Union Numérique
octobre 2025 - présent
Nantes
Conception d’un assistant documentaire RAG pour le support client, avec Python, Hugging Face et LangChain, puis évaluation de modèles LLM sur des questions métier pour améliorer la pertinence et la traçabilité des réponses.
Comparaison de Pinecone, Qdrant, ChromaDB et PostgreSQL avec pgvector pour l’indexation vectorielle et la recherche sémantique, selon la latence, la qualité de récupération et les contraintes d’exploitation.
Industrialisation de pipelines d’entraînement et d’évaluation avec MLflow et Kubeflow, conteneurisation sous Docker, orchestration par Kubernetes et intégration continue de microservices sur AWS SageMaker et GCP Vertex AI.
Mise en place du suivi de la dérive des modèles et de contrôles de performance et d’éthique, avec alertes et documentation pour les équipes chargées de l’exploitation.
Accompagnement d’équipes clientes dans l’usage de GitHub Copilot et Cursor, et prototypage d’agents autonomes avec LlamaIndex pour automatiser des tâches de développement délimitées.
Animation d’ateliers de vulgarisation sur le RAG et les pratiques de Craft IA, avec retours d’expérience adaptés aux profils techniques et métiers.
Ingénieur Machine Learning
Alvéole Data
janvier 2024 - septembre 2025
Rennes
Développement de modèles de classification de textes et de détection d’anomalies sur des flux de données opérationnelles avec Python, PyTorch, TensorFlow et Apache Spark.
Préparation de données à grande échelle et création de pipelines reproductibles, du contrôle qualité des données à l’évaluation des modèles, pour faciliter leur réentraînement et leur mise en production.
Expérimentations de recherche sémantique avec Hugging Face et LangChain, évaluées sur des corpus métier annotés avant leur intégration aux outils internes.
Déploiement de services de prédiction conteneurisés avec Docker et Kubernetes, en coordination avec les développeurs pour intégrer les modèles aux architectures microservices.
Présentation aux équipes produit des compromis entre performance, robustesse et explicabilité, avec recommandations documentées pour orienter les choix de modèles.
Ingénieur junior en Machine Learning
Clairon Logiciels
octobre 2022 - décembre 2023
Angers
Création de modèles de traitement du texte en Python et TensorFlow pour classer des demandes entrantes, avec validation croisée et analyse des erreurs pour guider les améliorations.
Mise en place du suivi des expérimentations avec MLflow et de tests reproductibles, réduisant les écarts entre prototypes et environnements de préproduction.
Contribution à la conteneurisation des services de prédiction avec Docker et à leur intégration dans des microservices, selon les pratiques de génie logiciel de l’équipe.
Analyse de signaux issus de capteurs avec PyTorch, comparaison de méthodes de Deep Learning et restitution des résultats aux référents produit.
COMPÉTENCES
Architectures LLM
Indexation vectorielle
Machine Learning
Suivi des modèles
Génie logiciel
Vulgarisation technique
Recherche sémantique
Intelligence artificielle
Traitement du signal
Traitement du texte
Architectures RAG
Deep Learning
Conseil client
Pédagogie
MLOps
RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE
Animation d’un groupe de partage technique sur les architectures LLM et le développement assisté par IA, avec démonstrations et documentation réutilisable.
Reconnaissance interne en 2025 pour la qualité de la documentation des modèles et des consignes de suivi en production.
LANGUES
Français
Langue maternelle
Anglais
Niveau professionnel
FORMATION
Diplôme d’ingénieur en informatique, spécialité intelligence artificielle
École supérieure d’ingénierie de Tours
2022
Tours
CERTIFICATIONS
AWS Certified Machine Learning - Specialty
2025
Machine Learning Engineering for Production (MLOps), DeepLearning.AI
2024
COMPÉTENCES TECHNIQUES
Langages: Python, SQL, Bash
Apprentissage automatique: PyTorch, TensorFlow, scikit-learn
Écosystème Hugging Face: Transformers, Datasets, Tokenizers
Orchestration LLM: LangChain, LlamaIndex, Haystack
Bases vectorielles: Pinecone, Qdrant, ChromaDB
Bases de données: PostgreSQL, pgvector, Redis
Traitement des données: Apache Spark, Pandas, NumPy
Suivi des modèles: MLflow, Kubeflow, Weights & Biases
Conteneurisation: Docker, Kubernetes, Helm
Services cloud: AWS SageMaker, GCP Vertex AI, Amazon S3
Intégration et déploiement: GitHub Actions, Jenkins, GitLab CI/CD
AFFILIATIONS PROFESSIONNELLES
Adhésion à l’Association française pour l’intelligence artificielle (AFIA), avec participation aux échanges de la communauté professionnelle.
Adhésion à France Deep Learning, communauté professionnelle consacrée aux méthodes et applications du Deep Learning.

Mots-clés correspondants (45)

  • Diplôme d’ingénieur en informatiqueMot-clé original dans l’offre: Formation de Bac+2 à Bac+5
  • déploiement de modèles en production
  • quatre ans d’expérience en conception et déploiement de modèles en productionMot-clé original dans l’offre: Conception de modèles de Machine Learning
  • évaluation de modèles
  • Machine Learning
  • Deep Learning
  • architectures LLM
  • Architectures RAG
  • architectures LLM et RAGMot-clé original dans l’offre: Génération augmentée par récupération (RAG)
  • Génie logiciel
  • pipelines MLOps
  • suivi des expérimentations
  • intégration continue
  • architectures microservices
  • conteneurisation sous Docker, orchestration par Kubernetes et intégration continue de microservicesMot-clé original dans l’offre: Architectures conteneurisées
  • Mise en place du suivi de la dérive des modèlesMot-clé original dans l’offre: Surveillance de la dérive des modèles
  • contrôles de performanceMot-clé original dans l’offre: Performance des modèles
  • contrôles de performance et d’éthiqueMot-clé original dans l’offre: Éthique de l’intelligence artificielle
  • Python
  • PyTorch
  • TensorFlow
  • Hugging Face
  • LangChain
  • LlamaIndex
  • Pinecone
  • Qdrant
  • ChromaDB
  • PostgreSQL avec pgvector
  • Apache Spark
  • MLflow
  • Kubeflow
  • Docker
  • Kubernetes
  • AWS SageMaker
  • GCP Vertex AI
  • Recherche sémantique
  • Indexation vectorielle
  • Traitement du texte
  • Traitement du signal
  • GitHub Copilot
  • Cursor
  • Conseil client
  • Vulgarisation technique
  • Pédagogie
  • en coordination avec les développeurs pour intégrer les modèles aux architectures microservicesMot-clé original dans l’offre: Travail en équipe

Mots-clés manquants (7)

  • 3+ ans d’expérience en conception, déploiement ou industrialisation de modèles d’IA ou de Machine Learning en production, hors alternance
  • Industrialisation de modèles d’IA
  • Pipelines de données automatisés
  • Pipelines d’entraînement automatisés
  • Déploiement de services d’IA sur le cloud
  • Gestion de données à grande échelle
  • Orchestration d’agents autonomes
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

<
>