Test technique Python data : ce qu'on evalue en entretien

Python est la lingua franca de la data. Entre un script Jupyter et un module de production, l'ecart est considerable.

Data Builder·Juin 2025·8 min de lecture·Data Engineer · Data Scientist

Sommaire

Bases du langage
Pandas et DuckDB
POO
Qualite et tests
Production
Grille

Python est la lingua franca de la data. Entre un script Jupyter et un module de production robuste, l'ecart est considerable.

1Bases du langage

Question discriminante

Difference entre liste et tuple ? Entre dictionnaire et set ?

# List comprehension : signal de maturite
# Junior
result = []
for x in data:
    if x > 0: result.append(x * 2)
# Confirme
result = [x * 2 for x in data if x > 0]

List comprehensions — syntaxe concise, signal de maturite
Type hints — annotations pour lisibilite et mypy
try/except — gestion des erreurs, exceptions personnalisees

2Pandas et DuckDB

Question discriminante

Votre script Pandas traite 10M lignes et prend 8 minutes. Vos options ?

Vectorisation — operations numpy/pandas plutot que des boucles
DuckDB — SQL analytique sur DataFrames, CSV, Parquet
Polars — alternative Pandas plus rapide, lazy evaluation

3Programmation orientee objet

Question discriminante

Pourquoi utiliseriez-vous une classe plutot qu'une fonction dans un pipeline data ?

Encapsulation — classe pour une connexion BDD avec ses methodes
Dataclasses — syntaxe moderne pour les classes de donnees simples

4Qualite et tests

Question discriminante Senior

Comment testez-vous vos pipelines Python ?

pytest — tests unitaires, fixtures, parametrize
unittest.mock — mocker les dependances externes
Black / Ruff — formatage automatique

5Python en production

Question discriminante

Vous exposez un pipeline data via une API REST. Quel framework ?

FastAPI — validation Pydantic, doc OpenAPI automatique
Variables d'environnement — jamais de credentials dans le code
Logging — module logging plutot que print() en production

6Grille par niveau

Niveau	Maitrise attendue	Signal GO	NO-GO
Junior	Types, listes, dicts, fonctions, Pandas de base	List comprehensions, type hints, try/except	Boucles for sur les DataFrames
Confirme	POO, modules, DuckDB/Polars, qualite de code	Classes reutilisables, Black, evite les boucles Pandas	Tout dans un script Jupyter, pas de tests
Senior	Tests unitaires, CI/CD, FastAPI, logging	A mis en prod une API Python avec CI	N'a jamais ecrit de test unitaire
Lead	Architecture modulaire, standards equipe	A defini la structure de projet Python equipe	Ne peut pas expliquer sync vs async

Vous recrutez un profil data ?

Premier entretien gratuit. Rapport GO/NO-GO sous 48h.

Tester gratuitement Reserver un appel