CV alternance data 2026 : la structure ATS et les mots-clés pour décrocher une alternance data analyst, BI ou data engineer

Une offre d'alternance data tient souvent en une ligne de mots-clés : SQL, Python, Power BI, ETL, statistiques. Et c'est précisément sur ces mots qu'un logiciel de tri compare ton CV à l'annonce avant qu'un manager data ne le lise. Si ton CV parle de « passion pour les chiffres » sans jamais écrire « SQL » ni nommer l'outil de visualisation que tu utilises, il a peu de chances d'arriver jusqu'au bon bureau.

Ce guide est fait pour les profils data analyst, business intelligence (BI), data engineer et data scientist junior. Si tu cherches plutôt une alternance de développeur, d'administrateur système ou de technicien réseau, le guide du CV alternance informatique est mieux adapté : la data a ses propres outils, ses propres diplômes et ses propres tests d'entretien.

Tu vas trouver ici la structure exacte d'un CV alternance data, les mots-clés par famille (requêtes, analyse, visualisation, ingénierie de données), les intitulés exacts des diplômes que tu peux préparer en alternance, des exemples de lignes d'expérience, et les erreurs qui font décrocher un recruteur data. Tutoiement, pas de chiffre inventé.

Pourquoi les ATS comptent autant pour une alternance data

L'ATS (Applicant Tracking System) est le logiciel qui reçoit les candidatures déposées sur le site carrière d'une entreprise ou d'une école. Il extrait le texte de ton CV, le range en rubriques (compétences, expériences, formation) et le compare aux critères définis par le recruteur. Les grandes entreprises qui recrutent des alternants data — banques, assureurs, distributeurs, industriels, cabinets de conseil, ESN — passent souvent par ce type d'outil.

Dans la data, le phénomène est amplifié pour une raison simple : les offres sont rédigées en liste d'outils. Un responsable BI écrit « SQL, Power BI, DAX, modélisation en étoile ». Un lead data engineer écrit « Python, Spark, Airflow, AWS ». Le tri automatique, puis le recruteur RH qui relit la présélection sans être lui-même data, cherchent ces termes à la lettre. « Bases de données » n'est pas « SQL ». « Visualisation » n'est pas « Power BI ».

Ce qui casse la lecture de ton CV

• Les colonnes multiples : l'ATS lit parfois de gauche à droite sur toute la largeur, et ta colonne « Compétences » se mélange à tes dates d'expérience.
• Les jauges et étoiles : « Python ●●●●○ » n'est pas du texte exploitable. L'outil lit « Python » et rien d'autre, le recruteur n'y croit pas.
• Les icônes à la place du texte : un logo GitHub sans URL écrite disparaît à l'extraction.
• Les graphiques décoratifs : ironie du secteur, un CV data rempli de camemberts « mes compétences » est mal lu par les machines et mal perçu par les data analysts.

Pour comprendre en détail comment un ATS découpe ton fichier, lis notre guide sur le fonctionnement des CV ATS. Avant d'envoyer quoi que ce soit, tu peux aussi passer ton CV data au scanner ATS gratuit : une analyse par jour, sans créer de compte, avec la liste des mots-clés de l'offre que ton CV ne contient pas encore.

Data analyst, BI, data engineer : choisis ton angle avant d'écrire

La première décision n'est pas graphique, elle est stratégique : quel métier data vises-tu ? Les quatre profils partagent SQL, mais pas le reste. Un CV qui essaie de tout couvrir à la fois ressemble à une liste de cours suivis.

| Profil visé | Ce qu'on attend de toi | Mots-clés à mettre en haut | |---|---|---| | Data analyst | Répondre à des questions métier avec des données, restituer | SQL, Python (pandas) ou R, Excel avancé, statistiques, Power BI ou Tableau, KPI | | BI / analyste décisionnel | Construire et maintenir les outils de pilotage | SQL, Power BI (DAX, Power Query), modélisation en étoile, entrepôt de données, ETL | | Data engineer | Collecter, transformer, acheminer la donnée de façon fiable | Python, SQL, Spark, Airflow, dbt, Docker, un cloud (AWS, GCP ou Azure), Git | | Data scientist junior | Modéliser, prédire, évaluer | Python, scikit-learn, statistiques, apprentissage supervisé, validation croisée, SQL |

Ton titre de CV doit refléter ce choix : « Alternance Data Analyst — rentrée 2026 » ou « Alternance Data Engineer — rythme 3 semaines entreprise / 1 semaine école ». Si tu postules aux deux, fais deux versions du CV. C'est plus de travail, mais c'est exactement ce que le tri automatique récompense.

Structure exacte d'un CV alternance data

Une page, une colonne, des intitulés de rubrique classiques (« Compétences », « Expériences », « Projets », « Formation ») que l'ATS reconnaît sans effort.

1. En-tête

• Prénom Nom
• Titre : métier data visé + type de contrat + date de début
• Téléphone et e-mail écrits en texte
• Ville et mobilité éventuelle
• LinkedIn et GitHub (ou lien vers un portfolio) en URL complète, en clair
• Rythme d'alternance si tu le connais : c'est une question que les recruteurs se posent immédiatement

2. Compétences techniques, rangées par famille

C'est la zone que l'ATS et le recruteur regardent en premier. Exemple de rédaction :

• Langages : SQL (PostgreSQL), Python (pandas, NumPy), R
• Visualisation / BI : Power BI (DAX, Power Query), Tableau
• Données : nettoyage, modélisation en étoile, ETL, qualité des données
• Statistiques : statistiques descriptives, régression, tests d'hypothèses
• Outils : Git, Jupyter, Excel avancé (TCD, RECHERCHEX)

Précise le contexte quand ton niveau est récent : « Spark (projet universitaire) » est honnête et reste un mot-clé lisible.

3. Expériences

Stages, alternance précédente, job étudiant où tu as manipulé des données (même un tableau Excel de suivi des ventes). Pour chaque poste : intitulé, entreprise, dates, une ligne de contexte (données, outils), puis deux à quatre puces « action + outil + résultat ».

4. Projets data

Rubrique distincte, presque obligatoire si tu as peu d'expérience. Deux à quatre projets maximum, chacun avec la question posée, les outils, et ce que tu as trouvé ou livré.

5. Formation

Intitulé exact du diplôme, établissement, dates, parcours. Les intitulés officiels sont détaillés plus bas : recopie-les, ne les paraphrase pas.

6. Certifications et langues

Une certification éditeur réellement obtenue a sa place ici, par exemple la certification Microsoft Certified : Power BI Data Analyst Associate (examen PL-300), décrite sur la page officielle Microsoft Learn. Note que Microsoft indique un renouvellement tous les 12 mois : affiche-la seulement si elle est valide. Pour l'anglais, un niveau CECRL (B2, C1) ou un score de test récent vaut mieux que « courant ».

Les mots-clés data à connaître, par famille

Règle d'or : ne cite que ce que tu sais faire sans tutoriel. Les entretiens data comportent très souvent un exercice pratique (requête SQL, lecture d'un graphique, petit cas). Un outil inscrit sur le CV est un outil sur lequel on peut t'interroger.

Requêtes et bases de données

• SQL : SELECT, jointures (JOIN), agrégations (GROUP BY), sous-requêtes, fonctions de fenêtrage (window functions), CTE
• Moteurs : PostgreSQL, MySQL, SQL Server, Oracle, BigQuery, Snowflake
• NoSQL si tu en as utilisé : MongoDB
• Modélisation : schéma en étoile, tables de faits et de dimensions, normalisation

Analyse et statistiques

• Python : pandas, NumPy, Matplotlib, Seaborn, Jupyter
• R : tidyverse, ggplot2 (fréquent dans les parcours statistiques)
• Statistiques : statistiques descriptives, corrélation, régression linéaire et logistique, tests d'hypothèses, échantillonnage
• Excel avancé : tableaux croisés dynamiques, RECHERCHEX, Power Query

Visualisation et business intelligence

• Power BI : DAX, Power Query, modèle de données, rapports et tableaux de bord
• Tableau, Looker Studio, Qlik
• KPI, reporting, tableaux de bord, restitution aux équipes métier

Ingénierie de données

• ETL / ELT, pipelines de données, ingestion, qualité des données
• Orchestration : Airflow ; transformation : dbt
• Traitement distribué : Spark (PySpark)
• Cloud : AWS, GCP, Azure (cite le service utilisé : S3, BigQuery, Azure Data Factory…)
• Outillage : Git, Docker, Linux, API REST

Machine learning (profil data science)

• scikit-learn, apprentissage supervisé et non supervisé, classification, régression, clustering
• Évaluation : validation croisée, matrice de confusion, précision et rappel
• Bibliothèques de deep learning (PyTorch, TensorFlow) seulement si tu as un projet concret à montrer

Données personnelles

Si tu as travaillé sur des données clients ou salariés, le mot RGPD (anonymisation, pseudonymisation, droits d'accès) est un vrai signal de maturité. Ne le cite que si tu sais expliquer ce que tu as fait concrètement.

Les diplômes data préparés en alternance (intitulés exacts)

Les intitulés ci-dessous sont repris des fiches de l'Onisep consultées le 9 octobre 2026. Sur ton CV, recopie l'intitulé exact, puis le parcours.

• BUT science des données parcours exploration et modélisation statistique : diplôme national de niveau 6 (bac + 3) en IUT, consacré au recueil, au traitement et à l'analyse statistique des données (fiche Onisep).
• BUT science des données parcours visualisation, conception d'outils décisionnels : le parcours orienté informatique décisionnelle, connexions aux sources, nettoyage, calculs métiers et tableaux de bord (fiche Onisep).
• BUT informatique parcours administration, gestion et exploitation des données : l'entrée « informatique » vers les bases de données et leur exploitation (fiche Onisep).
• Master mention mathématiques et informatique appliquées aux sciences humaines et sociales (MIASHS) : bac + 5, avec des débouchés cités par l'Onisep comme data manageur ou data scientist (fiche Onisep).
• Master mention mathématiques appliquées, statistique : cité par l'Onisep parmi les poursuites d'études après le BUT science des données.
• Diplômes d'ingénieur avec une spécialité données, en apprentissage selon les écoles.

Ces fiches signalent une possibilité d'apprentissage, mais l'offre varie d'un établissement à l'autre : vérifie toujours sur la page de ta formation. Sur le CV, ajoute le rythme (« 2 jours école / 3 jours entreprise », par exemple) si tu le connais.

Exemples de lignes d'expérience pour un CV data

Les lignes ci-dessous sont des exemples : les chiffres sont fictifs et servent à montrer la forme. Remplace-les par tes vrais volumes, même modestes.

Formule : action + outil + résultat ou livrable.

Stagiaire Data Analyst — Direction commerciale, distributeur régional — avril-juin 2026 Contexte : données de ventes de 40 magasins, PostgreSQL, Power BI

• Écrit les requêtes SQL (jointures, fonctions de fenêtrage) qui alimentent le suivi hebdomadaire du chiffre d'affaires par magasin
• Construit un tableau de bord Power BI (DAX, Power Query) utilisé par 6 responsables de secteur
• Détecté et documenté des doublons clients dans la base, corrigés avec l'équipe CRM

D'autres exemples, par profil :

• BI : « Modélisé un schéma en étoile (1 table de faits, 5 dimensions) pour le reporting achats, rapport Power BI rafraîchi chaque nuit. »
• Data engineer : « Développé un pipeline Python orchestré par Airflow qui charge chaque jour des fichiers CSV fournisseurs dans BigQuery, avec contrôles de qualité. »
• Data science : « Entraîné un modèle de classification scikit-learn pour prédire les résiliations, évalué par validation croisée, résultats présentés à l'équipe marketing. »
• Job étudiant : « Tenu sous Excel (TCD) le suivi des stocks d'une boutique et mis en place un graphique hebdomadaire pour le gérant. »

La mauvaise version

« Analyse de données et création de dashboards. »

Ni outil, ni contexte, ni livrable. L'ATS ne trouve aucun mot-clé précis et le recruteur ne sait pas ce que tu sais faire.

Projets data : la preuve quand tu as peu d'expérience

En data, un projet bien décrit compense largement l'absence de stage. Sur le CV :

• Titre explicite : « Analyse de la fréquentation des vélos en libre-service »
• Outils entre parenthèses : (Python, pandas, Matplotlib, SQL)
• Une ligne de résultat : la question posée et ce que tu as montré
• Le lien vers le dépôt GitHub ou le rapport

Côté dépôt, un README qui explique la question, la source des données, les étapes et les conclusions fait plus pour toi qu'une dizaine de notebooks sans explication. Utilise des données publiques ou anonymisées, jamais des données d'un ancien employeur.

Les erreurs qui coûtent cher sur un CV alternance data

1. Tout mettre, sans hiérarchie. Quinze outils alignés (SQL, Python, R, Java, Scala, Spark, Hadoop, Tableau, Power BI, Qlik…) donnent l'impression d'un catalogue. Garde ce qui sert le profil visé et que tu peux défendre.
2. Confondre les métiers. Un CV « data scientist » avec seulement Excel et Power BI, ou un CV « data engineer » sans aucune notion de pipeline, crée un décalage immédiat avec l'offre. Choisis ton angle (voir le tableau plus haut).
3. Oublier SQL. C'est le mot-clé commun à presque toutes les offres data. S'il manque, ou s'il est noyé dans une liste, tu perds le premier filtre.
4. Des projets sans conclusion. « Projet de machine learning sur le Titanic » ne dit pas ce que tu as appris ni ce que tu as produit. Une phrase de résultat change tout.
5. Une mise en page « créative ». Infographies, barres de niveau, deux colonnes : joli à l'écran, mal lu par l'ATS.
6. Des données sensibles dans le portfolio. Exporter un fichier client d'un ancien stage sur GitHub est une faute professionnelle, et un recruteur data la repère.

Lettre de motivation et entretien pour une alternance data

La lettre

Courte, et ancrée dans l'offre : quel problème de données l'équipe semble avoir (reporting, qualité, automatisation), ce que tu as déjà fait de comparable, et ton rythme d'alternance. Tu peux rédiger une lettre d'alternance data à partir de l'annonce avec notre générateur IA, puis la relire et la personnaliser : une lettre doit toujours sonner comme toi.

L'entretien

Prépare-toi à trois types de questions :

• Exercice pratique : écrire une requête SQL (jointure, agrégation, parfois fonction de fenêtrage), commenter un graphique, ou expliquer comment tu nettoierais un jeu de données.
• Explication d'un projet : la question de départ, tes choix d'outils, ce que tu ferais autrement. Sois capable de vulgariser pour un interlocuteur non technique : c'est une grande partie du travail d'un data analyst.
• Questions métier : ce que l'entreprise mesure, à quoi sert un indicateur donné, comment tu vérifierais qu'un chiffre est juste.

Pour la méthode générale, lis notre guide de préparation à l'entretien.

Faire ton CV data avec NetworkGlue

Tu peux écrire ton CV en partant de zéro dans l'éditeur de CV au format ATS. Son modèle ATS a été lu à 100 % lors de notre test du 9 octobre 2026. L'outil peut aussi adapter ton CV à une offre précise en reprenant ses termes : le compte gratuit inclut 5 crédits IA par mois.

Si tu postules à beaucoup d'offres data, ou si tu fais une version « analyst » et une version « engineer », les crédits partent vite. Deux formules sont détaillées sur la page tarifs : le Mensuel à 9,99 € par mois sans engagement, ou le Pass alternance à 19,99 € en paiement unique pour 3 mois.

Les guides voisins

• La donnée t'intéresse surtout sous l'angle de la sécurité (journaux, détection, SOC) ? Va voir le CV alternance cybersécurité.
• Tu vises le contrôle de gestion ou l'analyse financière, où Excel et Power BI dominent ? Le CV d'alternant en finance et comptabilité détaille ces attentes.

En résumé

Un CV alternance data qui passe le tri en 2026, c'est :

• Un angle choisi (analyst, BI, engineer, data science) et affiché dans le titre
• Une page, une colonne, sans jauge ni infographie
• SQL bien visible, puis les outils réellement maîtrisés, rangés par famille
• Des lignes d'expérience construites sur « action + outil + résultat », avec tes vrais chiffres
• Deux à quatre projets avec une question, des outils et une conclusion
• L'intitulé exact de ton diplôme et ton rythme d'alternance

Le CV ouvre la porte du test technique. Prépare ce test en même temps que ton CV : c'est là que se joue l'alternance.