Data scientist
Le data scientist transforme des données en décisions ou en fonctionnalités : un modèle qui prévoit les ventes d’un magasin pour ajuster les commandes, un score qui repère les contrats d’assurance susceptibles d’être résiliés, un algorithme qui classe automatiquement les courriers reçus par un service client.
- Salaire net moyen
- 4 029 €
- par mois, en équivalent temps plein (2024)
- Projets de recrutement
- 1 273
- en France en 2026, famille « Chargés d'études socio-économiques »
- Recrutements jugés difficiles
- 50 %
Source : Insee, base Tous salariés 2024 (salaires nets moyens du secteur privé en équivalent temps plein) · Données téléchargées le 18 octobre 2026
Source : France Travail, enquête Besoins en main-d’œuvre 2026 · Données téléchargées le 18 octobre 2026
Les chiffres de recrutement portent sur la famille professionnelle « Chargés d'études socio-économiques », qui regroupe plusieurs métiers proches. Les projets de recrutement sont des intentions d’embauche déclarées par les employeurs pour l’année, saisonniers compris. Ce ne sont pas des offres publiées.
Son travail commence rarement par l’algorithme. Il faut d’abord comprendre la question métier, trouver les bonnes tables, nettoyer des données incomplètes, construire des variables pertinentes, puis seulement entraîner et évaluer des modèles en Python avec scikit-learn, XGBoost ou PyTorch. La dernière étape compte autant : expliquer les résultats à des responsables métier, mesurer l’effet réel du modèle par un test A/B et, avec les data engineers, le mettre en production. Il travaille dans la banque, l’assurance, la distribution, l’énergie, la santé, chez des éditeurs ou en cabinet de conseil.
Missions principales
- Cadrer la question métier avec les équipes concernées et la traduire en problème mesurable (prévision, classification, segmentation)
- Explorer, nettoyer et préparer les données en SQL et Python (pandas, Polars), en vérifiant leur qualité et leurs biais
- Construire, entraîner et comparer des modèles statistiques ou d’apprentissage automatique
- Évaluer les modèles avec des métriques adaptées au métier et sur des données qu’ils n’ont jamais vues
- Concevoir et analyser des tests A/B pour mesurer l’effet réel d’un modèle ou d’un changement
- Présenter les résultats et leurs limites à des interlocuteurs non techniques, sous forme de notes et de visualisations
- Préparer l’industrialisation avec les data engineers et ML engineers : code testé, suivi des performances, réentraînement
- Veiller à la conformité au RGPD et à l’explicabilité des modèles utilisés pour des décisions sensibles
Qualités attendues
- Scepticisme envers un résultat trop beau, qui cache souvent une fuite de données ou une erreur d’échantillon
- Curiosité pour le métier de l’entreprise, sans laquelle les variables construites n’ont pas de sens
- Clarté pour expliquer une incertitude ou un intervalle de confiance à un directeur commercial
- Rigueur de reproductibilité : graine aléatoire fixée, version des données notée, notebook qui tourne d’un bout à l’autre sans intervention
- Pragmatisme : une régression bien expliquée vaut parfois mieux qu’un réseau de neurones que personne n’utilise
Définition officielle
Le Data scientist introduit des techniques de Data Science et Intelligence Artificielle pour résoudre des problématiques métier, prendre des décisions et ou automatiser des opérations.
- Transforme des données brutes en informations exploitables et structure ces données
- Développe des algorithmes d’apprentissage selon les besoins des équipes métiers
- Coordonne le développement, les tests de résultats et améliore la solution sur sa durée de vie
Comment y accéder
Ce métier est accessible avec un niveau Bac + 5 et plus dans les secteurs des mathématiques (modélisation de données), de l’économétrie, de l’intelligence artificielle ou de l’exploitation de données massives (Big Data). Certains postes sont accessibles à des débutants, mais les profils d’au moins trois années d’expérience sont privilégiés afin d’embaucher un profil complet (maîtrise des statistiques et de l’informatique).
Source : France Travail, répertoire des métiers ROME 4.0 (v61, publié le 15 juin 2026) · Données téléchargées le 18 octobre 2026
Fiche ROME M1405 : Data scientist
Compétences clés
Savoir-faire
- Traduire les demandes de l’entreprise en solutions techniques
- Concevoir des modèles théoriques (calcul, simulation, modélisation)
- Réaliser des enquêtes statistiques selon les résultats issus des solutions de Data Science
- Adapter les outils de traitement statistique de données
- Analyser des données pour prendre des décisions stratégiques
- Analyser et traiter l’information à des fins d’anticipation
- Assurer le suivi de la qualité des données
- Définir les solutions de stockage et de structuration des données
- Exploiter des solutions de Data Science ou d’Intelligence Artificielle
- Gérer des données massives
Savoir-être
- Avoir l’esprit d’équipe
- Etre force de proposition
- Etre à l’écoute, faire preuve d’empathie
- Faire preuve de curiosité, d’ouverture d’esprit
- Faire preuve de rigueur et de précision
Autres intitulés de poste
- Chargé / Chargée de modélisation des données
- Data miner
- Expert / Experte en sciences des données
- Expert en datascience / Experte en datascience
- Explorateur / Exploratrice de données
- Ingénieur / Ingénieure data scientist
Où recrute-t-on le plus ?
Les bassins d’emploi qui déclarent le plus de projets de recrutement pour cette famille de métiers en 2026.
| 1 | ParisParis | 348 projets |
|---|---|---|
| 2 | Boulogne-BillancourtHauts-de-Seine | 134 projets |
| 3 | NanterreHauts-de-Seine | 76 projets |
| 4 | LyonRhône | 58 projets |
| 5 | ToulouseHaute-Garonne | 51 projets |
| 6 | LilleNord | 49 projets |
| 7 | SartrouvilleYvelines | 44 projets |
| 8 | NiortDeux-Sèvres | 38 projets |
| 9 | MarseilleBouches-du-Rhône | 33 projets |
| 10 | Aix-en-ProvenceBouches-du-Rhône | 32 projets |
Source : France Travail, enquête Besoins en main-d’œuvre 2026 · Données téléchargées le 18 octobre 2026
Les cellules couvertes par le secret statistique sont exclues : les totaux sont des minimums.
Évolution de carrière
Le data scientist junior devient confirmé puis senior en prenant en charge des sujets de bout en bout et en guidant les plus jeunes. Plusieurs voies s’ouvrent ensuite : lead data scientist ou responsable d’une équipe data science ; spécialisation technique en machine learning engineering, en traitement du langage ou en vision par ordinateur ; ou évolution vers des rôles plus orientés produit et décision, comme product manager data ou responsable analytique. Les profils docteurs peuvent rejoindre des équipes de recherche appliquée. À plus long terme, le poste de chief data officer ou de directeur data supervise la stratégie de données de l’entreprise. Certains rejoignent aussi des cabinets spécialisés pour multiplier les cas d’usage d’un secteur à l’autre.
Conseils pour postuler
- Présentez un ou deux projets complets, de la question métier au résultat mesuré, plutôt qu’une liste de modèles testés
- Indiquez la métrique business qui a bougé grâce à votre travail, ou expliquez honnêtement pourquoi le projet n’a pas été déployé
- Montrez un dépôt GitHub propre (notebooks lisibles, code réutilisable, README) si votre expérience professionnelle est courte
- Adaptez la candidature au secteur : la banque et l’assurance attendent de l’explicabilité et de la conformité, le e-commerce de l’expérimentation rapide
- Précisez votre formation statistique (master, école d’ingénieurs, ENSAE, ENSAI, doctorat), que les recruteurs vérifient pour juger du socle mathématique
Pour aller plus loin
Votre recherche, en automatique
Lancer mon scan d’offres data scientist
JobFast cherche les offres qui vous correspondent sur les grands sites d’emploi, note chacune sur 10 et prépare un CV et une lettre adaptés. Vous relisez, vous validez.
Sans carte bancaire · Sans compte pour commencer