Spark est une techno impressionnante sur un CV — et c'est exactement pour ça qu'elle est souvent surjouée. Beaucoup de candidats l'ont « utilisée » sur un jeu de données minuscule où un simple script aurait suffi. Le vrai profil, lui, comprend pourquoi on passe au calcul distribué. Voici comment faire la différence sans être technique.
La compétence Spark ne se juge pas à la présence du mot sur un CV, mais à la compréhension du distribué : gros volumes, partitionnement, coût du traitement. Un candidat qui a « fait du Spark » sur 10 000 lignes n'a pas vécu les vrais problèmes que Spark résout.
Demandez : « Sur quel volume de données avez-vous utilisé Spark, et pourquoi Spark plutôt qu'un simple script ? »
Spark sert à traiter des volumes de données trop gros pour une seule machine, en répartissant le calcul sur un cluster. C'est puissant, mais coûteux et complexe — donc justifié seulement au-delà d'un certain volume. Un bon profil sait précisément pourquoi il a choisi Spark plutôt qu'un outil plus simple.
Écoutez s'il parle de volume, de distribué et de coût — ou seulement du mot « Spark ».
Ceux qui ont vraiment travaillé avec Spark à l'échelle en gardent des cicatrices : des jobs qui explosent, des traitements lents à optimiser. Ils en parlent concrètement. Ceux qui l'ont juste effleuré restent dans les généralités.
Le buzzword Spark attire les CV gonflés — voici comment les repérer.
Spark est le type de techno qu'on ajoute pour « faire sérieux ». Le décalage entre la mention et l'expérience réelle est fréquent. Une seule question sur le volume suffit souvent à le révéler.
Signal d'alerte : un candidat qui a utilisé Spark sur un petit volume, là où un simple script aurait suffi, ne comprend probablement pas ce que Spark résout vraiment — c'est le piège numéro un sur ce profil.
« Racontez-moi un traitement Spark que vous avez fait : quel volume, quel problème, et pourquoi pas un outil plus simple ? »
Cette question fait immédiatement le tri. Un vrai profil donne un ordre de grandeur (des dizaines de millions de lignes, plusieurs To…) et une justification claire. Un profil gonflé reste vague sur le volume ou ne sait pas justifier le choix de Spark.
Il y a une limite claire à ce qu'un recruteur non technique peut trancher seul.
Les signaux et la question ci-dessus vous permettent d'écarter les profils qui surjouent et de repérer les bons candidats. Mais confirmer finement un niveau Spark — surtout sur un poste senior ou un profil rare — demande un regard technique. C'est là qu'un entretien mené par un expert fait la différence.
| Niveau | Maîtrise attendue | Signal GO | NO-GO |
|---|---|---|---|
| Junior | A utilisé l'API DataFrame sur des cas guidés | Comprend l'idée du calcul distribué | A « fait du Spark » sur un mini-dataset |
| Confirmé | Traitements réels, partitionnement, volumétrie | Justifie Spark par le volume, cite un cas réel | Ne sait pas pourquoi Spark plutôt qu'un script |
| Senior | Optimisation (shuffle, skew), coûts cluster | Raconte un job optimisé et son impact | Ne parle jamais de coût ni de performance |
| Lead | Architecture distribuée, standards, arbitrages coût | Sait quand ne PAS utiliser Spark | Ajoute Spark pour « faire sérieux » |
Data Builder mène l'entretien technique et vous livre un rapport clair et détaillé sous 24h. Premier entretien offert.