Data scientist : c’est quoi, missions, salaire, formation

Le data scientist est le spécialiste qui transforme les données d’une entreprise en décisions : il les collecte, les nettoie, les modélise avec des statistiques et du machine learning, puis restitue des résultats compréhensibles par les équipes métier. Voici ce que recouvre concrètement le métier, ce qui le distingue du data analyst, ses missions, ses compétences, le salaire de départ d’après les sources publiques, et les formations qui y mènent.

Réponse courte : un data scientist est un expert de la donnée chargé de collecter, organiser et analyser de grands volumes de données pour aider l’entreprise à décider ou à automatiser des tâches. Il combine statistiques, programmation (Python, R, SQL) et connaissance du métier, et construit des modèles prédictifs. Le poste se prépare à bac + 5 (master, école d’ingénieurs) ; selon l’Onisep, le salaire d’un débutant démarre à partir de 3 100 € brut par mois.

Data scientist : c’est quoi

Le data scientist (ou « expert en mégadonnées », selon l’intitulé retenu par l’Onisep) est missionné par une direction ou un service pour exploiter les données de l’entreprise afin d’éclairer une décision. La demande de départ est toujours métier : réduire les pannes d’une ligne de production, anticiper la demande, repérer les clients sur le point de partir, détecter une fraude. France Travail résume le poste ainsi : il introduit des techniques de data science et d’intelligence artificielle « pour résoudre des problématiques métier, prendre des décisions et ou automatiser des opérations ».

Il intervient sur des données brutes, souvent dispersées et imparfaites (bases clients, logs d’un site, capteurs industriels, données publiques), et les transforme en connaissances exploitables : une prévision, un score, une segmentation, un modèle qui tourne en production.

C’est quoi la data science

La data science (science des données) est la discipline qui extrait de la connaissance des données en croisant trois domaines : les mathématiques et statistiques, l’informatique, et la connaissance du métier concerné. Le data scientist en est le praticien. Pour aller plus loin sur la discipline elle-même, notre définition de la data science en détaille les fondamentaux.

Data scientist ou data analyst : quelle différence

Les deux métiers travaillent sur les données, mais pas au même horizon :

• le data analyst décrit et explique ce qui s’est passé : tableaux de bord, indicateurs, analyses ponctuelles, le plus souvent avec SQL et un outil de business intelligence. L’Onisep le situe à partir de bac + 3 ;
• le data scientist cherche à prévoir ou à automatiser : modèles statistiques, machine learning, mise en production d’algorithmes. L’Onisep le situe à bac + 5 minimum.

Dans les faits, la frontière dépend de l’entreprise. Une PME aura souvent un seul profil qui fait les deux, un grand groupe des équipes distinctes.

Les missions d’un data scientist

Le travail suit un cycle assez constant, de la question métier au modèle en production.

Cadrer le besoin

Tout part d’une question posée par un service : quel problème veut-on résoudre, avec quelles données, et comment mesurera-t-on le succès ? Cette étape évite de construire un modèle techniquement brillant mais inutile.

Collecter et préparer les données

Le data scientist rassemble les données pertinentes (bases internes, fichiers, API, données publiques), puis les « nettoie » : correction des erreurs, gestion des valeurs manquantes, mise au bon format. C’est souvent la part la plus longue du travail, et celle dont dépend la fiabilité de tout le reste.

Explorer, modéliser et évaluer

Vient ensuite l’analyse exploratoire (tendances, corrélations, anomalies), puis la modélisation : modèles statistiques ou algorithmes de machine learning, entraînés, testés et ajustés. Un modèle n’est retenu que s’il fait mieux qu’une référence simple sur des données qu’il n’a pas vues.

Restituer et mettre en production

Les résultats sont présentés sous forme de rapports, de graphiques ou de tableaux de bord compréhensibles par des non-spécialistes (voir notre article sur la data visualisation). Quand le modèle doit tourner au quotidien, le data scientist travaille avec les équipes techniques pour le déployer, puis le surveille : un modèle se dégrade quand les données réelles s’éloignent de celles qui ont servi à l’entraîner.

Où travaille le data scientist

Le métier s’exerce dans tous les secteurs. L’Onisep cite notamment la banque et l’assurance, le commerce et la distribution, l’industrie et la santé. Quelques usages typiques :

• banque et assurance : détection de fraude, scoring de risque, tarification ;
• commerce et e-commerce : prévision des ventes, recommandation de produits, segmentation de la clientèle ;
• industrie et énergie : maintenance prédictive, optimisation de la production et de la consommation ;
• santé : exploitation de données cliniques et médico-administratives pour la recherche ou l’organisation des soins.

Il peut être rattaché à la direction générale, à la DSI, au marketing ou à une direction des études, ou travailler en cabinet de conseil ou en agence spécialisée en data science pour plusieurs clients.

Les compétences d’un data scientist

Compétences techniques

• Programmation : Python et R pour l’analyse et le machine learning, SQL pour interroger les bases de données.
• Données volumineuses : outils de calcul distribué et bases de données NoSQL, cités par l’Onisep parmi les compétences attendues.
• Machine learning : choix, entraînement et évaluation des modèles, et de plus en plus leur mise en production.

Mathématiques et statistiques

Probabilités, statistiques, algèbre linéaire et optimisation sont le socle du métier : ils permettent de choisir le bon modèle, de savoir si un résultat est significatif, et de ne pas confondre corrélation et causalité.

Communication et sens du métier

Un data scientist doit traduire une question métier en problème de données, puis traduire ses résultats en recommandations claires. La pédagogie compte autant que la technique : un modèle que personne ne comprend est rarement utilisé.

Éthique et réglementation

Le data scientist manipule souvent des données personnelles. Il doit respecter le RGPD (finalité, minimisation, durée de conservation, sécurité) et être attentif aux biais : un modèle entraîné sur des données biaisées reproduit les discriminations qu’elles contiennent. Les données de santé, considérées comme sensibles, sont encore plus encadrées.

Quel est le salaire d’un data scientist

Les chiffres ci-dessous viennent de deux sources publiques, relevés le 19/10/2026.

• Salaire débutant : à partir de 3 100 € brut par mois, selon la fiche métier de l’Onisep, variable selon le lieu d’exercice et le statut.
• Salaires affichés dans les offres : 80 % entre 2 244 € et 4 167 € brut par mois, selon la fiche MétierScope de France Travail (offres du 2e trimestre 2026). Cette fourchette porte sur les offres déposées auprès de France Travail et de ses partenaires, qui incluent des postes juniors.

Avec l’expérience, la rémunération progresse nettement, avec des écarts importants selon la région (l’Île-de-France paie davantage), le secteur et la taille de l’entreprise. Les organismes publics ne publient pas de grille par ancienneté : pour un poste confirmé ou senior, les études de rémunération des cabinets de recrutement, mises à jour chaque année, sont la référence la plus utile.

Le marché de l’emploi

Selon France Travail (2e trimestre 2026), 3 080 offres d’emploi de data scientist ont été déposées en 12 mois, pour 3 980 demandeurs d’emploi ayant recherché ce métier. Le poste a le statut cadre. France Travail précise que certains postes sont ouverts aux débutants, mais que les profils d’au moins trois ans d’expérience sont privilégiés.

Comment devenir data scientist

Les formations initiales

Le métier se prépare à bac + 5. L’Onisep cite :

• un master ou un MSc spécialisé en mathématiques appliquées, statistiques, informatique décisionnelle ou data science ;
• un diplôme d’ingénieur avec double compétence mathématiques et informatique, ou une spécialisation big data et science des données (par exemple l’ENSAI, l’École nationale de la statistique et de l’analyse de l’information, dans la liste de l’Onisep).

La liste complète des diplômes est tenue à jour sur la fiche Onisep. Une première expérience, par exemple comme data analyst ou lors d’un stage long, est souvent demandée, et la connaissance d’un secteur (industrie, santé, assurance) est un atout.

La reconversion

Des formations continues et des certifications professionnelles permettent de se reconvertir, en particulier pour des profils déjà à l’aise avec les chiffres (ingénieurs, économistes, analystes). Vérifiez qu’une formation est inscrite au Répertoire national des certifications professionnelles (RNCP) si vous voulez un titre reconnu ou la financer avec votre CPF.

Les évolutions de carrière

Après quelques années, un data scientist peut se spécialiser (machine learning engineer, expert d’un domaine), encadrer une équipe (lead data scientist, responsable data science) ou évoluer vers des fonctions de pilotage de la donnée à l’échelle de l’entreprise, jusqu’au poste de Chief Data Officer.

Questions fréquentes sur le métier de data scientist

C’est quoi le rôle d’un data scientist

Aider l’entreprise à décider ou à automatiser grâce à ses données : il cadre la question métier, prépare les données, construit et évalue des modèles prédictifs, puis présente les résultats et accompagne leur mise en production.

Quel est le salaire moyen d’un data scientist

Les sources publiques donnent des repères plutôt qu’une moyenne : 3 100 € brut par mois pour un débutant selon l’Onisep, et 80 % des offres déposées à France Travail entre 2 244 € et 4 167 € brut par mois (2e trimestre 2026). Les salaires augmentent ensuite avec l’expérience, la région et le secteur.

Quels sont les 4 types d’analyse de données

• descriptive : que s’est-il passé ? (indicateurs, tableaux de bord) ;
• diagnostique : pourquoi est-ce arrivé ? (recherche de causes, corrélations) ;
• prédictive : que va-t-il se passer ? (prévisions, scores) ;
• prescriptive : que faut-il faire ? (recommandation d’actions, optimisation).

Le data analyst travaille surtout sur les deux premières, le data scientist sur les deux dernières.

Quels sont 5 métiers de la data

• data analyst : analyse et tableaux de bord ;
• data scientist : modèles prédictifs et machine learning ;
• data engineer : construction des flux et des infrastructures de données ;
• machine learning engineer : industrialisation et déploiement des modèles ;
• Chief Data Officer : stratégie et gouvernance de la donnée.

Est-il difficile de devenir data analyst

C’est plus accessible que data scientist : l’Onisep situe le métier à partir de bac + 3 (salaire débutant indiqué : 2 900 € brut par mois), et beaucoup de reconversions passent par ce poste. Il faut néanmoins maîtriser SQL, un tableur avancé, un outil de visualisation et des bases solides en statistiques. Voir la fiche Onisep data analyst.

Qu’est-ce qu’un data analyste en santé

C’est un data analyst spécialisé dans les données de santé (dossiers patients, données médico-administratives, essais cliniques) qui travaille pour un hôpital, une agence publique, un laboratoire ou une assurance. Ces données étant sensibles, leur usage est strictement encadré ; en France, la Plateforme des données de santé (Health Data Hub) organise l’accès à certaines bases pour des projets d’intérêt public.

Quels sont les 3 métiers qui survivront à l’IA

Aucune source sérieuse ne désigne trois métiers « à l’abri ». Le rapport Future of Jobs 2025 du Forum économique mondial classe en revanche les spécialistes du big data, les ingénieurs fintech et les spécialistes de l’IA et du machine learning parmi les métiers qui progressent le plus vite en pourcentage d’ici 2030 : les métiers de la donnée font partie de ceux que l’IA crée plutôt que de ceux qu’elle remplace.