CV d'analyste de données : comment construire un CV qui passe les ATS et décroche des entretiens en 2026

Le marché de l'analyste de données en 2026 est compétitif d'une façon que peu d'autres rôles tech sont. Le titre du poste s'est élargi — analyste de données couvre désormais aussi bien un généraliste SQL+tableurs qu'un analytics engineer Python+dbt. Résultat : chaque annonce attire des centaines de candidats et le CV médian est filtré en moins de 10 secondes.

Les candidats qui obtiennent régulièrement des entretiens n'ont pas une meilleure expérience. Ils ont des CV structurés pour la façon dont le recrutement d'analystes fonctionne réellement en 2026. Ce guide vous donne cette structure, plus la formule de puces, la liste de mots-clés et un CV complet à modéliser.

Ce que les managers cherchent vraiment pour un poste d'analyste

Trois choses, dans cet ordre :

1. La preuve que vous avez livré un travail data qui a déclenché une vraie décision business. Pas des cours, pas un portfolio, pas Kaggle. J'ai construit un dashboard que l'équipe marketing a utilisé pour réallouer 200 k€ de budget est ce qui gagne.
2. Une largeur technique au niveau outil. SQL non négociable. Python, dbt, Tableau ou Looker, un data warehouse cloud (Snowflake/BigQuery/Redshift) et de plus en plus une expérience de couche sémantique BI ou de requêtage assisté par LLM sont fortement pondérés en 2026.
3. La communication de l'insight. Une ligne comme Présentation mensuelle des résultats à la direction exécutive signale que vous savez parler à des parties prenantes non techniques, la compétence la plus souvent manquante.

Si votre CV ne rend pas ces trois choses claires dans le tiers supérieur de la première page, le recruteur passe.

La structure qui marche pour un CV d'analyste de données

L'ordre gagnant est :

1. En-tête (nom, titre du poste, ville, email, LinkedIn, GitHub ou portfolio)
2. Résumé professionnel (3 lignes)
3. Compétences techniques (catégorisées, pas un mur)
4. Expérience (plus récent d'abord, 3 à 5 puces orientées résultat par poste)
5. Formation
6. Projets notables (optionnel, utile en début de carrière)
7. Certifications (optionnel)

Une page si vous avez moins de 5 ans d'expérience. Deux pages maximum sinon. Jamais 3.

L'en-tête (1 ligne en haut)

Mettez le titre Data Analyst (ou Analyste de données) directement sous votre nom, même si votre poste actuel s'appelle autrement (par exemple Business Analyst). L'ATS scanne souvent le titre près du nom pour le matcher à l'annonce. Indiquez ville et pays, pas l'adresse complète. Mettez un lien GitHub ou portfolio seulement s'il contient du vrai contenu.

Le résumé professionnel (3 lignes)

C'est le bloc à plus fort impact du CV. Il doit répondre en 25 secondes : quel type d'analyste êtes-vous, quels outils utilisez-vous, quel est votre résultat le plus fort ?

Exemple fort :

Analyste de données avec 4 ans d'expérience en SaaS B2B. SQL, Python, dbt, Looker — construction d'analytics en self-service pour produit et marketing. Dernier poste a automatisé le cycle de reporting hebdomadaire de 3 jours à 2 heures et déployé un modèle d'attribution qui a réalloué 1,4 M€ de dépenses payées.

Notez ce que ça dit : secteur (SaaS B2B), outils, périmètre (analytics self-service), un résultat chiffré.

Exemple faible :

Analyste de données minutieux avec de fortes capacités d'analyse et de communication, passionné par la transformation des données en insights pour la croissance business.

La version faible est un paragraphe de buzzwords. Elle ne dit rien de spécifique.

Compétences techniques (catégorisées)

Un mur plat de SQL, Python, R, Tableau, Power BI, Excel, dbt, Snowflake, AWS, GCP, Looker, Mixpanel, Amplitude, Git est illisible et a l'air rembourré. Groupez par fonction :

Langages : SQL (avancé), Python (pandas, scikit-learn), R

BI & visualisation : Looker, Tableau, Mode

Data warehouse & transformation : Snowflake, BigQuery, dbt

Product analytics : Mixpanel, Amplitude, Segment

Autres : Git, Linear, Notion

L'ATS récupère quand même tous les mots-clés, et un humain peut scanner en 5 secondes.

La formule de puces d'expérience

Chaque puce d'expérience sur un CV d'analyste doit suivre cette forme :

[Verbe] + [ce que vous avez fait] + [outil/méthode] + [résultat chiffré]

Bons exemples :

• Construit un dashboard de revenus en self-service dans Looker (SQL + modèles dbt) qui a réduit les demandes ad-hoc de 12/semaine à 2/semaine
• Conçu et livré un modèle d'attribution multi-touch dans Snowflake + Python, ayant réalloué 1,4 M€ de budget payé au T3 sans baisse de MQL
• Automatisé le reporting hebdomadaire revenus d'un processus manuel de 3 jours à un pipeline planifié de 2 heures via dbt + Airflow
• En binôme avec le produit, conception d'un funnel à 6 événements dans Mixpanel, identifiant un drop de 31 % qui a conduit à un onboarding redesigné

Mauvais exemples (à réécrire) :

• Responsable de la construction de dashboards et de l'analyse de données
• Travaillé avec les parties prenantes pour fournir des insights
• Utilisé SQL et Python pour soutenir les équipes business

Les mauvaises décrivent un job. Les bonnes décrivent un résultat.

Mots-clés que doit contenir un CV d'analyste en 2026

L'ATS scanne pour certains ou tous ces termes selon l'annonce. Assurez-vous que les pertinents apparaissent naturellement dans vos puces — jamais en liste de keyword stuffing.

Langages & requêtage : SQL, Python, pandas, R, NumPy

Warehouses : Snowflake, BigQuery, Redshift, Databricks

Transformation : dbt, Airflow, Dagster

BI / visualisation : Looker, Tableau, Power BI, Mode, Metabase

Product analytics : Amplitude, Mixpanel, Heap, Segment, GA4

Statistique : A/B testing, test d'hypothèse, régression, segmentation, analyse de cohorte

Business : analytics revenus, rétention, attribution, prévision, KPI, OKR

Ajouts 2026 : couche sémantique, requêtage assisté par LLM, analytics augmentée par IA, gouvernance

CV d'analyste de données complet (exemple)

Alex Rivera

Analyste de données — Berlin, Allemagne — alex.rivera@example.com — linkedin.com/in/alexrivera — github.com/alexrivera

>

Résumé

Analyste de données avec 4 ans d'expérience en SaaS B2B. SQL, Python, dbt, Looker. Construction d'analytics en self-service pour produit et marketing. Dernier poste a automatisé le cycle de reporting hebdomadaire de 3 jours à 2 heures et construit un modèle d'attribution qui a réalloué 1,4 M€ de budget payé.

>

Compétences techniques

- Langages : SQL (avancé), Python (pandas, scikit-learn)

- BI & visualisation : Looker, Tableau, Mode

- Warehouse & transformation : Snowflake, BigQuery, dbt, Airflow

- Product analytics : Amplitude, Mixpanel

- Autres : Git, Linear, Notion

>

Expérience

>

Senior Data Analyst — Beacon (SaaS B2B, Série C) — janv. 2024–Présent

- Conçu et livré un modèle d'attribution multi-touch dans Snowflake + Python, réalloué 1,4 M€ de budget payé au T3 sans baisse des MQLs

- Construit la suite de dashboards revenus en self-service dans Looker (modélisée en dbt) qui a coupé les demandes ad-hoc de 12/semaine à 2/semaine

- Animé la revue business hebdomadaire pour l'équipe exécutive, présentant revenus, rétention et pipeline

- Mentoré 1 analyste junior sur SQL et dbt

>

Data Analyst — Hover (martech, Série B) — août 2022–déc. 2023

- Conçu un funnel d'onboarding à 6 événements dans Mixpanel, identifié un drop de 31 % qui a informé un redesign du flux et récupéré environ 320 k€ d'ARR

- Construit une analyse de cohortes de churn dans Snowflake + dbt, faisant ressortir que la rétention au mois 3 portait 70 % de la lifetime value

- Automatisé le pipeline de reporting CAC marketing (dbt + Airflow), économisant environ 8 heures par mois à l'équipe

>

Business Analyst — Tinta Consulting — juin 2020–juil. 2022

- Livré des projets analytics pour 11 clients PME en retail et e-commerce, incluant analyse de prix, prévision de demande et modélisation CLTV

- Créé des templates SQL + Tableau standardisés utilisés sur 4 missions client, réduisant le temps de mise en place de chaque projet d'environ 60 %

>

Formation

Licence Statistiques — Universidad de Madrid, 2020

>

Certifications

dbt Analytics Engineer Certified (2023) — Snowflake SnowPro Core (2024)

Ce CV fait une page (en mise en forme standard), est lisible par tout ATS moderne et répond aux trois choses que le manager veut savoir dans les 25 premières secondes.

Adapter le CV à une annonce précise

Faites-le pour chaque candidature qui compte. Ça prend 12 minutes et double à peu près votre taux d'entretien.

1. Ouvrez la fiche de poste et copiez les sections *Exigences* et *Plus* dans un doc.
2. Surlignez chaque outil, technique et mot de résultat mentionné (SQL, dbt, A/B test, attribution, etc.).
3. Vérifiez votre CV. Pour chaque mot surligné, le retrouvez-vous dans l'une de vos puces ? Sinon, pouvez-vous reformuler honnêtement une puce existante pour l'inclure ?
4. Ajustez votre résumé pour commencer par les 2 outils ou résultats les plus mentionnés.
5. Réordonnez vos puces sous chaque poste pour que les plus pertinentes à l'annonce viennent en premier.

Rien d'inventé. Juste un ré-alignement de l'emphase sur ce qu'ils cherchent.

Erreurs qui font filtrer les CV d'analystes

• Pas de SQL dans le résumé ou en haut des compétences. Vous êtes filtré instantanément d'au moins 60 % des annonces.
• Liste d'outils de 22 items. Air de débutant qui essaie de passer pour senior. Tenez-vous aux 8 à 12 que vous utilisez vraiment.
• Puces vagues. Utilisé SQL pour extraire des données ne dit rien. Construit une requête dans Snowflake joignant 4 tables pour faire ressortir des patterns de churn sur 240k utilisateurs dit tout.
• Pas de résultat business. Une puce qui s'arrête à construit le dashboard sans dire ce qu'il a permis est inachevée.
• Mauvais projets listés. Les compétitions Kaggle et les datasets de tutoriel sont un signal faible en 2026. Les vrais projets livrés en entreprise (ou pour une vraie organisation) les battent.
• Design visuel au détriment de la lisibilité. Les CV en deux colonnes avec icônes cassent parfois le parsing ATS. Tenez-vous à une mise en page propre, en une colonne.

En résumé

• Les managers veulent : impact business livré, largeur technique et communication claire
• Utilisez un bloc de compétences catégorisé, pas un mur, et placez SQL en premier
• Chaque puce d'expérience doit suivre [verbe] + [quoi] + [outil] + [résultat chiffré]
• Incluez les mots-clés 2026 comme couche sémantique et analytics augmentée par IA s'ils s'appliquent
• Adaptez le CV à chaque poste — 12 minutes par candidature en valent la peine
• Une page si moins de 5 ans, deux pages max sinon

Un CV d'analyste de données est lu par des gens qui eux-mêmes analysent les données pour vivre. Ils remarquent quand les résultats manquent et quand les chiffres n'ont pas de sens. Rendez chaque ligne précise, mesurable et honnête, et vous atterrirez régulièrement dans la pile oui, programmons un appel.