Prévoir les ventes, détecter une fraude, recommander un produit : derrière ces usages, il y a presque toujours un data scientist. Il construit les modèles qui permettent à une entreprise d'anticiper, là où le data analyst explique ce qui s'est déjà produit. C'est l'un des métiers les plus techniques de la data.
Ce guide présente le métier, ses missions, les compétences et outils, les formations, les salaires et les évolutions possibles. Nous détaillons aussi une voie moins connue : devenir data scientist freelance, avec le statut, les plafonds et les cotisations à connaître.
Les chiffres viennent de sources officielles, citées à chaque fois, et nous signalons les données qui sont des moyennes d'annonces. Commençons par la définition du métier.
Qu'est-ce qu'un data scientist ?
Selon la fiche métier de l'Onisep, le data scientist, ou expert en mégadonnées, collecte, organise et analyse de très grands volumes de données pour aider la direction et les services, comme le marketing, la qualité ou la production, à décider.
Concrètement, il transforme des données brutes en modèles utilisables : un algorithme qui estime le risque de départ d'un client, un outil qui prévoit les stocks, un moteur qui propose des produits adaptés. Il présente ensuite ses résultats sous forme de rapports, de graphiques ou d'applications.
Il agit aussi sur le cadre : l'Onisep précise qu'il veille à la gouvernance des données, dans le respect des réglementations françaises et internationales. Notre guide sur la protection des données et le RGPD rappelle ces obligations.
Quelles sont les missions d'un data scientist ?
D'après la fiche de l'Apec, les missions se déroulent en plusieurs étapes, de la préparation des données jusqu'au suivi des modèles en production.
| Étape |
Ce que fait le data scientist |
Exemple concret |
| Préparer |
Extraire et structurer les données, contrôler leur qualité |
Rassembler les historiques de ventes de plusieurs sources |
| Modéliser |
Créer, tester et améliorer des algorithmes de machine learning et de deep learning |
Prévoir la demande de chaque produit |
| Industrialiser |
Mettre les modèles en production, participer aux recettes et définir leur suivi |
Intégrer la prévision dans l'outil de commande |
| Expliquer |
Traduire les besoins métiers en analyses et communiquer les résultats |
Présenter les prévisions et leurs limites à la direction |
La mise en production est une étape que les débutants sous-estiment. Un modèle performant dans un carnet de notes n'a aucune valeur tant qu'il n'est pas intégré à un outil utilisé par les équipes et surveillé dans le temps.
L'Onisep ajoute que le data scientist conçoit des outils sur mesure et automatise des processus internes. Il travaille donc en lien étroit avec les équipes informatiques, qui hébergent les données et déploient ses modèles.
Quelles compétences et quels outils faut-il maîtriser ?
L'Onisep cite des outils de traitement massif de données comme Hadoop, Spark et MapReduce, des bases NoSQL et des langages comme SAS, R ou Python. Il exige aussi de solides bases en mathématiques appliquées et en statistiques.
Les compétences humaines comptent presque autant. Selon l'Onisep, le data scientist doit savoir gérer un projet et une équipe, y compris un budget, communiquer clairement à l'oral comme à l'écrit, travailler avec méthode et maîtriser l'anglais technique.
Dans les faits, la communication fait la différence : un data scientist présente souvent ses conclusions à des interlocuteurs qui ne maîtrisent pas la statistique. Savoir expliquer ce que vaut un modèle, et ce qu'il ne sait pas faire, rassure les décideurs.
Le niveau minimum est le bac+5, d'après l'Onisep. Plusieurs parcours y mènent, que l'Apec confirme, et un doctorat reste possible pour les postes de recherche.
| Niveau |
Parcours cités |
Source |
| Bac+5 |
Master en mathématiques appliquées, science des données ou statistiques |
Onisep, Apec |
| Bac+5 |
Diplôme d'ingénieur avec spécialisation en mathématiques, informatique ou big data |
Onisep, Apec |
| Bac+6 |
Mastère spécialisé dans la data (certains programmes) |
Onisep |
| Bac+8 |
Doctorat en informatique, mathématiques, statistiques ou modélisation des données |
Apec |
L'Apec précise que des postes sont accessibles aux débutants, mais que trois ans d'expérience au moins peuvent être privilégiés. Le métier se prépare donc souvent en deux temps : un premier poste d'analyste, puis la spécialisation en modélisation.
Si vous hésitez entre une école et l'université, comparez les débouchés publiés et le contenu des cours. Pour un cursus en école, notre guide du master of science explique comment vérifier un label et le prix réel d'une formation.
Peut-on devenir data scientist en alternance ?
Oui, selon les établissements, certains masters et écoles d'ingénieurs proposent l'alternance, et la recherche « data scientist alternance » reste fréquente. Vérifiez toujours le rythme et le contrat sur la fiche de la formation, car l'offre varie d'un établissement à l'autre.
En alternance, la rémunération suit un barème légal. D'après Service-Public, un apprenti de 21 à 25 ans touche au minimum 53 % du Smic la première année, soit 989,52 euros brut par mois, puis 61 % et 78 % les années suivantes.
| Âge de l'apprenti |
1re année |
2e année |
3e année |
| 21 à 25 ans |
989,52 € |
1 138,88 € |
1 456,27 € |
| 26 ans et plus |
1 867,02 € (100 % du Smic) |
1 867,02 € |
1 867,02 € |
Ces montants sont des minima bruts mensuels, vérifiés par Service-Public le 8 septembre 2026. L'employeur ou la convention collective peut prévoir plus, et un simulateur officiel permet de calculer votre cas précis.
Peut-on se reconvertir en data scientist ?
C'est possible, mais l'exigence est élevée : le niveau bac+5 et les mathématiques rendent la marche plus haute que pour un data analyst. Beaucoup de reconversions passent par le poste d'analyste, comme première étape.
Le parcours type commence par SQL et Python, se poursuit par les statistiques et le machine learning, puis par des projets personnels sur des données publiques. Notre guide de la reconversion professionnelle présente les dispositifs de financement à anticiper.
Méfiez-vous des promesses d'emploi garanti en quelques semaines. Une formation courte ne remplace pas des mois de pratique : demandez le taux d'insertion publié et sa méthode de calcul avant de vous engager.
Quel salaire pour un data scientist ?
Deux sources publiques donnent des repères. L'Onisep indique un salaire de débutant à partir de 3 100 euros brut par mois, soit environ 37 200 euros brut sur douze mois. L'Apec observe, de son côté, les offres d'emploi publiées.
| Repère |
Montant brut annuel |
Source |
| Débutant (à partir de) |
Environ 37 200 € (3 100 € brut par mois) |
Onisep |
| Moyenne des offres |
Environ 46 000 € |
Apec |
| 80 % des offres |
Entre 35 000 € et 60 000 € |
Apec |
Selon l'Apec, la rémunération comprend le fixe et le variable, et sa page ne porte pas de date : il s'agit d'une moyenne d'annonces, pas d'une statistique officielle. Le salaire varie aussi selon l'expérience, le secteur et la localisation.
À titre de comparaison, la même source observe une moyenne d'environ 43 000 euros pour un data analyst. Notre guide du data analyst détaille ce métier voisin, souvent la porte d'entrée vers la data science.
Data scientist ou data analyst : quelles différences ?
Les deux métiers partagent les mêmes outils, mais pas le même objectif. Le data analyst décrit et explique les données existantes, le data scientist prédit et automatise à l'aide de modèles.
| Critère |
Data analyst |
Data scientist |
| Mission principale |
Analyser, visualiser et expliquer les données |
Concevoir et mettre en production des modèles prédictifs |
| Niveau le plus cité |
Bac+3 à bac+5 |
Bac+5, parfois doctorat |
| Outils typiques |
SQL, Power BI, Tableau, Python |
Python, R, Spark, machine learning |
| Salaire des offres (Apec) |
Moyenne d'environ 43 000 € |
Moyenne d'environ 46 000 € |
| Débutant (Onisep) |
À partir de 2 900 € brut par mois |
À partir de 3 100 € brut par mois |
L'Onisep indique que le data scientist débute souvent comme data analyste sur un périmètre réduit, avant de prendre en charge des projets plus larges. Le passage de l'un à l'autre demande surtout de renforcer les statistiques avancées et la programmation.
Où travaille un data scientist ?
Selon l'Onisep, le métier est né dans l'e-commerce, la finance-assurance et la grande distribution. On le trouve aujourd'hui dans tous les secteurs, dont la banque, les assurances, le commerce, l'industrie chimique et la santé.
Les grandes entreprises constituent des équipes data dédiées, avec des data scientists, des data engineers et des data analysts. Les PME, elles, recrutent plutôt un profil polyvalent, qui prépare les données, construit un premier modèle et le met en service.
Certaines missions se font aussi en indépendant. Un freelance intervient sur un projet précis, comme un modèle de prévision ou un audit de données. Notre guide pour devenir consultant big data présente cette voie.
Quelles évolutions de carrière après data scientist ?
L'Onisep indique que, dans les grandes entreprises, le métier peut mener à chief data scientist, chief data officer ou responsable des systèmes d'information. Le choix dépend de votre goût pour la technique, les modèles ou le management.
Pour la direction, le poste de CDO est l'un des sommets de la filière. Notre guide du chief data officer détaille ses missions, son salaire et le parcours qui y mène, en général après plusieurs années d'expérience.
Une autre voie consiste à se spécialiser dans un domaine, comme la finance, la santé ou l'industrie. Un data scientist qui connaît son secteur devient vite difficile à remplacer, et il peut ensuite évoluer vers le conseil.
Peut-on être data scientist freelance ?
Oui. Les livrables sont clairs, le travail se fait à distance et les entreprises ont des besoins ponctuels. C'est une voie à envisager une fois plusieurs années d'expérience acquises, car un client attend un résultat sans accompagnement.
Cette expérience vous apprend aussi à chiffrer vos missions. Notre guide sur le TJM d'un freelance explique comment le calculer à partir de vos charges et de vos jours facturables, plutôt que de copier le tarif d'un autre.
Le statut le plus simple pour démarrer est la micro-entreprise. Elle impose des plafonds de chiffre d'affaires et un régime de cotisations précis, que nous détaillons ci-dessous avant de passer à la pratique.
Quels plafonds et quelles cotisations pour un freelance en micro-entreprise ?
Selon Economie.gouv, le plafond de chiffre d'affaires est actuellement de 83 600 euros pour les prestations de services. Le taux de cotisations des autres prestations de services en BNC est passé de 24,6 % à 25,6 % depuis le 1er janvier 2026.
Pour l'impôt, Service-Public Entreprendre indique un abattement forfaitaire de 34 % du chiffre d'affaires en micro-BNC, avec un minimum de 305 euros. Une option existe aussi pour le versement forfaitaire libératoire, au taux de 2,2 % du chiffre d'affaires.
| Exemple de calcul |
Montant |
| Chiffre d'affaires annuel hors taxes |
60 000 € |
| Cotisations sociales à 25,6 % |
15 360 € |
| Abattement de 34 % |
20 400 € |
| Bénéfice soumis à l'impôt sur le revenu |
39 600 € |
Cet exemple est indicatif : il ne tient compte ni de l'ACRE, ni du versement libératoire, ni de vos autres revenus. Le taux exact dépend du classement de votre activité, donc vérifiez-le avec l'Urssaf lors de votre déclaration d'activité.
Un dépassement du plafond sur une seule année ne vous fait pas sortir du régime. Selon Service-Public Entreprendre, il faut dépasser le seuil deux années consécutives pour en sortir. Au-delà, comparez la SASU et la micro-entreprise.
Le démarrage se prépare en quelques étapes, à traiter dans l'ordre pour éviter les erreurs qui retardent le premier client.
Définissez d'abord une offre claire : un secteur, un type de modèle, un livrable. « Prévision de la demande pour les PME du commerce » se vend mieux que « machine learning », trop vague pour être comparé. Précisez aussi ce que vous ne faites pas.
Ensuite, déclarez votre activité en micro-entreprise. Chez SeDomicilier, la création de micro-entreprise est d'ailleurs offerte avec toute domiciliation, ce qui évite de communiquer votre adresse personnelle sur vos factures.
Pensez enfin à vous protéger : devis écrit, acompte, périmètre précis et clause sur la propriété des modèles et des données. Prévoyez un engagement de confidentialité et respectez le RGPD dans chaque mission, puisque vous manipulez des données clients.
Les recruteurs veulent des preuves, pas seulement des diplômes. Un portfolio public, avec deux ou trois projets complets sur des jeux de données ouverts, montre que vous maîtrisez la chaîne : question, préparation, modèle, évaluation et restitution.
Soignez la restitution. Un résultat clair, accompagné de ses limites, vaut mieux qu'un modèle complexe sans explication. Les recruteurs vérifient si vous savez raconter ce que le modèle change pour l'entreprise.
Préparez aussi les tests techniques : exercices de programmation, de statistiques, étude de cas à partir d'un fichier et présentation orale. Entraînez-vous à expliquer votre raisonnement à voix haute, car c'est souvent ce qui départage deux candidats.
Quelles erreurs éviter quand on débute ?
La première erreur est de choisir un modèle complexe avant de comprendre le problème. Un modèle simple et bien évalué vaut mieux qu'un algorithme sophistiqué mal compris, et il est plus facile à expliquer.
La deuxième est de négliger la qualité des données. Un modèle bâti sur un fichier erroné donne une fausse assurance et peut entraîner de mauvaises décisions. Documentez vos sources, vos traitements et vos hypothèses.
La troisième tient à la communication. Beaucoup de débutants présentent leur méthode avant leur conclusion. Commencez par la réponse, puis expliquez comment vous y êtes arrivé : vos interlocuteurs retiendront la décision, pas la technique.
Conclusion
Le data scientist construit des modèles qui permettent d'anticiper, avec un niveau d'entrée bac+5, des salaires qui démarrent autour de 3 100 euros brut par mois selon l'Onisep et des évolutions vers la direction des données.
En résumé, maîtrisez les statistiques, Python et la mise en production, construisez un portfolio, puis choisissez entre le salariat et l'indépendance. Dans les deux cas, apprenez à expliquer vos résultats : c'est cette compétence qui fait la différence.
Vous créez ou domiciliez votre entreprise ? Découvrez les solutions de domiciliation d’entreprise proposées par SeDomicilier pour donner une adresse professionnelle à votre activité.
Menu / Adresses
