Data scientist : missions, formation et salaire

Ce que fait un data scientist

Une enseigne de distribution veut savoir quels clients risquent de ne plus revenir, une banque veut détecter une opération frauduleuse en une fraction de seconde. Dans les deux cas, le data scientist part d’un problème métier, pas d’un tableau de bord tout fait. Il formule une hypothèse statistique, réunit les données qui permettront de la tester, puis construit un modèle qui apporte une réponse chiffrée.

Le répertoire ROME M1405 du ministère du Travail décrit un métier qui « transforme des données brutes en informations exploitables » et « développe des algorithmes d’apprentissage selon les besoins des équipes métiers ». Le rôle se distingue de celui du data analyst, qui interroge des données déjà collectées pour produire des tableaux de bord, sans construire de modèle prédictif ni toucher à l’infrastructure. Le data scientist, lui, conçoit l’algorithme et le fait vivre en production.

Le travail commence par la collecte et le nettoyage des données, souvent la partie la plus longue : valeurs manquantes, doublons, formats incohérents entre plusieurs bases. Il explore ensuite les données pour repérer des tendances et des corrélations avant de choisir une famille de modèles : classification, régression, clustering, système de recommandation ou détection d’anomalies. Il entraîne plusieurs versions, les compare par validation croisée et retient celle qui généralise le mieux, pas celle qui colle le plus aux données d’entraînement.

Une fois le modèle jugé fiable, il faut le déployer : l’exposer via une API, surveiller ses performances dans le temps et le réentraîner quand les données changent. Python, avec les bibliothèques pandas, scikit-learn, PyTorch ou TensorFlow, et SQL forment la boîte à outils courante ; R reste utilisé pour certaines analyses statistiques. Restituer les résultats à des équipes non techniques, sous forme de graphiques et de recommandations qui débouchent sur une décision, fait partie du métier au même titre que le code.

Les compétences attendues

Les probabilités, les statistiques inférentielles et l’algèbre linéaire ne sont pas des options : elles permettent de comprendre pourquoi un modèle se trompe, pas seulement de lancer une bibliothèque. Un recruteur vérifie aussi la maîtrise de Python ou R, l’aisance en SQL sur de gros volumes et la capacité à lire un article de recherche en anglais, la langue de la quasi-totalité de la littérature du domaine.

Le doute méthodique compte autant que la technique : un modèle qui obtient un excellent score peut simplement avoir mémorisé ses données d’entraînement, un biais dans un échantillon peut reproduire une discrimination existante. Vérifier, tester sur des données jamais vues, documenter les limites d’un modèle avant qu’un tiers ne le déploie sont des réflexes attendus dès les premiers postes.

Le relationnel pèse plus qu’on ne l’imagine à l’embauche. Le ROME cite « traduire les demandes de l’entreprise en solutions techniques » comme compétence centrale : un modèle statistiquement excellent mais inutilisable par les équipes métier ne sert à rien. Les assistants de code fondés sur l’IA générative ajoutent une exigence supplémentaire, celle de vérifier une suggestion plausible mais parfois fausse plutôt que de la copier telle quelle.

Devenir data scientist

Le métier se ferme rarement en dessous du bac + 5, contrairement à d’autres métiers du numérique accessibles en trois ans.

1. Classe préparatoire puis école d’ingénieursÉcoles généralistes ou spécialisées en statistiques et data science, comme l’ENSAE Paris ou Télécom Paris.
2. Master informatique, mathématiques ou statistiquesÀ l’université, en cinq ans après le bac, avec une spécialisation data science ou intelligence artificielle en dernière année.
3. Un doctorat pour les postes les plus techniquesUtile en recherche et développement ou dans les équipes qui publient leurs travaux, rarement exigé ailleurs.
4. En reconversion : un titre RNCP de niveau 7Accessible après une licence scientifique ou une expérience en développement, sans repasser par une école d’ingénieurs.

La certification RNCP39775, « Expert en ingénierie et science des données », certifiée par OpenClassrooms et enregistrée jusqu’au 31 octobre 2028, illustre cette voie de niveau bac + 5 : accessible en formation continue, en contrat de professionnalisation ou par validation des acquis de l’expérience, sans passer par une candidature individuelle isolée. Les organismes de formation à la data science se sont multipliés ces dernières années ; vérifiez toujours le numéro RNCP affiché avant d’engager votre budget ou votre CPF.

Le compte personnel de formation ne finance qu’une certification enregistrée au RNCP, avec 150 € de participation obligatoire depuis 2026. Un salarié peut aussi demander un projet de transition professionnelle, qui maintient tout ou partie du salaire pendant la formation. Un profil déjà développeur ou statisticien raccourcit nettement ce parcours, en capitalisant sur des bases déjà solides en programmation ou en mathématiques.

Pour comparer les organismes, leurs prix et leurs formats, consultez notre classement des formations Python éligibles au CPF.

Pour comparer les organismes, leurs prix et leurs formats, consultez notre classement des formations à l’intelligence artificielle éligibles au CPF.

Où travailler et dans quelles conditions

Les ESN placent leurs data scientists en mission chez des clients, parfois pour plusieurs années. Les grands groupes bancaires et assurantiels, l’industrie, le retail et les start-up recrutent aussi en direct, de même que la recherche publique et les administrations qui se dotent d’équipes data internes. Le ROME situe le métier presque toujours en bureau d’études, avec des déplacements ponctuels chez les clients ou entre sites.

Le statut de cadre domine largement, avec un forfait en jours plutôt qu’un décompte horaire une fois un certain niveau de responsabilité atteint. Le télétravail est très répandu dans la profession, plus que dans la moyenne des métiers techniques, mais dépend de l’accord d’entreprise et, en mission, des règles imposées par le client.

Combien gagne un data scientist

Un cadre débutant sous convention Syntec ne peut légalement pas toucher moins de 2 135 € brut par mois, mais les rémunérations réelles sont bien supérieures dès l’entrée dans le métier : l’État, qui recrute ses data scientists contractuels selon un référentiel dédié, démarre à 51 000 € brut annuel. En freelance, le tarif journalier médian atteint 620 € selon le baromètre Malt, le plus élevé de toutes les spécialités data de la plateforme.

Salaire data scientist en 2026Grille Syntec, contractuels de l’État, recherche publique et freelance.Voir les salaires

Emploi et débouchés

Le numérique fait partie des secteurs les plus tendus du marché du travail. L’enquête Besoins en main-d’œuvre 2026 de France Travail recense 84 227 projets de recrutement dans le numérique, avec 49,5 % jugés difficiles, l’un des taux les plus élevés toutes filières confondues. Le document cite explicitement les data scientists parmi les profils portés par la transformation numérique des entreprises, aux côtés des développeurs et des experts en cybersécurité.

Aucune statistique publique n’isole les effectifs du seul métier de data scientist : le ROME M1405 le rattache à une famille plus large de métiers de la donnée, et les nomenclatures d’emploi de l’Insee ne le distinguent pas encore des autres ingénieurs et cadres d’études informatiques. Le métier reste cependant identifié comme l’un des plus recherchés du secteur, aussi bien en entreprise que dans les organismes de recherche qui développent leurs propres outils d’analyse.

Évolutions de carrière

La filière technique mène au poste de data scientist senior, puis de lead data scientist ou de tech lead machine learning, qui arbitre les choix de modélisation d’une équipe. Dans la convention Syntec, cette progression correspond au passage des positions cadres 2.1 et 2.2 vers 2.3 puis 3.1. La voie managériale mène à l’encadrement d’une équipe data, puis à des fonctions de direction comme chief data officer.

D’autres bifurquent vers le MLOps, qui industrialise le déploiement des modèles, vers le data engineering pour se concentrer sur l’infrastructure, ou vers le conseil. Le freelance se pratique en micro-entreprise, en société ou en portage salarial selon le volume de missions et le besoin de protection sociale.

Métiers proches

Ces métiers partagent tout ou partie des compétences du data scientist, ou accueillent des profils qui en sont issus.

Ce que change le règlement européen sur l’IA pour le data scientist

Le règlement européen sur l’intelligence artificielle, entré en vigueur le 1er août 2024, impose des obligations renforcées aux systèmes classés à haut risque : recrutement, notation de crédit, éducation ou infrastructures critiques. Un data scientist qui construit un modèle de scoring RH ou bancaire devra documenter ses données d’entraînement, tester les biais et permettre une supervision humaine, pas seulement viser la meilleure performance statistique.

Le calendrier a été revu en 2026 : le « Digital Omnibus », adopté par le Parlement européen le 16 juin 2026, reporte au 2 décembre 2027 les obligations pour les systèmes à haut risque autonomes, contre le 2 août 2026 initialement prévu. Les obligations de transparence sur les contenus générés par IA restent applicables au 2 août 2026. Cette règlementation ne remplace pas le RGPD, qui encadre depuis 2018 toute décision automatisée produisant des effets sur une personne : les deux textes se cumulent pour qui déploie un modèle sur des données personnelles.