Exemple de lettre de motivation : Scientifique des données

Exemple de lettre de motivation de scientifique des données : une accroche qui dépasse le score du modèle, un test aléatoire et 2,8 M$ conservés.

CV pour ce poste

Thomas Nguyen-Lapointe

Scientifique des données principal | Tarification, attrition et prévisions en production

Montréal, QC

Montréal, le 30 octobre 2026

Madame Catherine DufourVice-présidente, science des donnéesAssurances Mont-LaurierMontréal (Québec)

Objet : Candidature au poste de scientifique des données principal, fidélisation et tarification

Madame,

La plupart des modèles d’attrition s’arrêtent à un score. Votre affichage pour un scientifique des données principal demande une personne capable de transformer ce score en programme de fidélisation aux résultats mesurables, et c’est précisément la partie du travail que je préfère.

Chez Assurances Fleuve-Royal, j’ai bâti un modèle d’attrition au renouvellement avec une AUC de 0,80, mais le vrai travail a été de décider comment l’utiliser. Avec l’équipe de fidélisation, j’ai mis en place un test aléatoire des offres par niveau de risque, et nous avons découvert que les rabais n’étaient rentables que pour le niveau intermédiaire. En ciblant ce groupe, nous avons réduit le non-renouvellement de 2,2 points, ce qui conserve environ 2,8 M$ de primes par année. Le cadre de tests construit pour ce projet a depuis servi à 12 expériences de tarification.

Je travaille aussi de près avec les actuaires. L’ajout de variables de télématique au modèle de tarification automobile a amélioré de 8 % la prédiction du ratio sinistres-primes, et j’ai fait passer six modèles des carnets à des pipelines planifiés et surveillés sur Databricks, pour qu’ils ne dépendent plus d’une seule personne.

Avant l’assurance, j’ai passé près de quatre ans à prévoir la demande électrique, avec une erreur de 3,4 % la veille, et à présenter des modèles devant l’organisme de réglementation dans deux dossiers tarifaires. Cette expérience est précieuse en tarification réglementée, où un modèle doit être aussi explicable qu’exact.

J’ai huit ans d’expérience en science des données. Je serais heureux de vous présenter le projet de fidélisation en détail, y compris ce qui n’a pas fonctionné.

Je vous prie d’agréer, Madame, mes salutations distinguées.

Thomas Nguyen-Lapointe

Personnes candidates et employeurs fictifs. Toute ressemblance avec une personne ou une entreprise réelle serait fortuite.

Maintenant, avec votre expérience et une vraie offre

Jobiko rédige une lettre de motivation à partir de ce que vous avez réellement fait, pour l’offre que vous choisissez, et vous la montre avant tout envoi.

Rédiger ma lettre →

Comment cette lettre fonctionne

Ce que fait chaque partie de la lettre ci-dessus, et comment faire de même dans la vôtre.

L’accroche

La lettre s’ouvre sur une phrase que tout responsable partage, les modèles d’attrition s’arrêtent à un score, et place Thomas de l’autre côté de cette ligne. Elle parle d’impact avant de parler d’algorithme.

À qui l’adresser

La lettre s’adresse à la vice-présidente de la science des données. Son nom figure souvent sur LinkedIn ou dans des conférences ; une lettre à la personne qui décide évite le tri générique.

Exigences de l’offre et preuves

L’offre demandeTransformer un modèle en résultat
La lettre montreTest aléatoire des offres ; non-renouvellement réduit de 2,2 points, environ 2,8 M$ par année.
L’offre demandeExpérimentation
La lettre montreCadre de tests A/B utilisé pour 12 expériences de tarification.
L’offre demandeModèles en production
La lettre montreSix modèles passés à des pipelines surveillés sur Databricks.

Longueur

Cinq paragraphes, dans la fourchette habituelle de 250 à 400 mots. La méthode tient en une phrase ; les mots servent aux décisions et aux résultats.

Cette lettre : 264 mots.

La formule finale

Proposer de présenter le projet, y compris ce qui a échoué, est une conclusion confiante : elle invite la question la plus difficile avant qu’on la pose.

Erreurs à éviter dans cette lettre

  1. Parler d’algorithmes d’abord

    Commencez par la décision que le modèle a changée.

  2. Une métrique isolée

    Associez chaque mesure de modèle à un chiffre d’affaires.

  3. Décrire des modèles confidentiels

    Restez sur le type de problème et l’effet relatif ; pas de chiffres propriétaires ni de noms de clients.

Questions sur cette lettre de motivation

Une lettre de motivation est-elle utile en science des données ?
Pour un poste principal, oui : elle explique un impact qu’une ligne de CV ne peut pas montrer.
Faut-il mentionner sa maîtrise ou son doctorat dans la lettre ?
Seulement si l’affichage l’exige ou si votre recherche est directement liée au poste.
Comment parler d’un modèle confidentiel ?
Décrivez le problème, la méthode en termes généraux et le résultat relatif, sans noms ni chiffres propriétaires.