À propos de ce modèle
Le modèle ATS Axe Cartésien utilise une mise en page mono (JetBrains Mono) avec un axe X/Y émeraude discret en marge gauche qui matérialise la chronologie comme un graphe. Les graduations sont des div CSS, jamais des images — l'axe n'est qu'un repère visuel et le texte du CV reste en flux linéaire que les ATS Workday, Avature et Mercury parsent sans incident. Le registre scientifique signale immédiatement la pensée quantitative.
Pour quel profil ?
Il convient aux data scientists, quants, ingénieurs ML, statisticiens, chercheurs en sciences des données et analytics translators candidatant chez Société Générale Quants, BNP Paribas CIB, Crédit Agricole CIB, Hi! PARIS, Owkin, Mirakl, Contentsquare, Datadog, ou aux laboratoires (Inria, CNRS, Inserm) recrutant via portails académiques. Adapté aux profils 0-15 ans avec un focus mesure et impact.
Comment l'utiliser
Créez une rubrique « Stack technique » dense : Languages (Python, R, Scala, Julia), ML frameworks (PyTorch, TensorFlow, JAX, scikit-learn), Cloud (AWS Sagemaker, GCP Vertex, Azure ML), Data tools (dbt, Airflow, Spark, Kafka), Viz (Plotly, Tableau, Looker, Streamlit). Pour les bullets, formulez l'impact en métriques modèle ET business : « Amélioré l'AUC du modèle anti-fraude de 0.78 à 0.91 — réduction des faux positifs de 34% — économies opérationnelles 2,1 M€/an ». Mentionnez les Kaggle Master/Grandmaster s'ils existent.
Questions fréquentes
L'axe cartésien décoratif casse-t-il le parsing ATS ?
Non. L'axe et les graduations sont des éléments CSS positionnés en absolute avec border-left et pseudo-éléments — aucun texte n'y est attaché. Workday (utilisé par Société Générale, BNP Paribas), Avature et les ATS académiques parsent le document comme un flux linéaire de texte. Le rendu visuel scientifique reste pour l'œil humain.
Compatible avec les ATS de la finance quantitative ?
Oui. Les grandes banques d'affaires françaises et leurs filiales markets (SG CIB, BNP CIB, Natixis, Rothschild) utilisent Workday, Cornerstone ou ADP. Les acronymes critiques (CFA, CQF, FRM, PRMIA, ENSAE, X-Statistique, MIT Sloan Quant) sont indexés comme mots-clés de séniorité dans les pipelines de recrutement quants.
Convient à la data science et au machine learning ?
Oui, c'est sa cible principale. Le registre mono signale aux Lead Data et engineering managers que vous vivez dans Jupyter et VSCode. Listez les frameworks par catégorie, mentionnez les contributions open-source ML (scikit-learn, HuggingFace), et liez votre profil Kaggle si vous êtes Expert/Master/Grandmaster — ce sont des marqueurs forts dans le sourcing data science.
